Modelo adaptativo para la estimación de la dimensión fractal de registros de imágenes resistivas a partir de registros geofísicos de pozo

Los registros de pozo presentan gran variedad de información que permite caracterizar propiedades físicas y químicas de las rocas así como de los fluidos contenidos entre ellas. Los muestreos geofísicos en sitio caracterizan en detalle parámetros físicos de las formaciones que permiten determinar la resistividad, densidad volumétrica, litología, permeabilidad y porosidad entre otros. Dentro de los avances en predicción de fracturas naturales se han desarrollado modelos soportados por procesos dependientes de la dimensión fractal de imágenes resistivas. Sin embargo, no siempre se cuenta con la información asociada a dichas imágenes. Esta investigación tiene como base la información de registros geofísicos de pozo y parte de la hipótesis que existen relaciones significativas entre múltiples registros con el objeto de caracterizar los valores de dimensión fractal. Se implementa un modelo de predicción utilizando técnicas de minería de datos y bajo los lineamientos de la metodología CRISPDM. El modelo permite de una forma adaptativa el procesamiento de información proveniente de los registros de pozo con el objeto de identificar cuáles de estos registros presentan relaciones significativas para la generación de patrones que inciden en la predicción de valores de dimensión fractal. El modelo es validado sobre un caso de estudio con información de registros de pozo realizados en la cuenca del Catatumbo, Norte de Santander, Colombia. En los capítulos asociados se presenta el análisis de información, ejecución y evaluación del modelo. El análisis de resultados de ejecución para el modelo de predicción se basa en muestreos aleatorios de valores de registros múltiples en secciones transversales y es evaluado sobre valores aleatorios de dimensión fractal. Como producto del proceso de clasificación se identificaron tres conjuntos de orígenes de datos relevantes como son registros (logs) base, registros (logs) complementarios y registros (logs) no válidos para la generación de valores de dimensión fractal. La predicción asociada al caso de estudio evidenció una respuesta altamente cercana hacia los valores esperados con una tasa de error baja donde el coeficiente de determinación (R2) resultante es de 0.95, la media absoluta del error igual a 0.003 y el error de la raíz cuadrada de la media (RMSE) es igual a 0.004. La metodología propuesta ofrece una alternativa para generar e introducir valores asociados a la dimensión fractal de imágenes resistivas en escenarios donde se cuenta con información de diversos registros geofísicos de pozo pero donde la información asociada con la dimensión fractal es inexistente.

• Autores: Agudelo Gamboa, Juan Gabriel
• Fecha de publicación: 2016
• Institución: Universidad Nacional de Colombia
• Repositorio: Universidad Nacional de Colombia
• Idioma: spa
• OAI Identifier: oai:repositorio.unal.edu.co:unal/56492
• Acceso en línea: https://repositorio.unal.edu.co/handle/unal/56492; http://bdigital.unal.edu.co/52270/
• Palabra clave: 0 Generalidades / Computer science, information and general works; 55 Ciencias de la tierra / Earth sciences and geology; 62 Ingeniería y operaciones afines / Engineering; Data mining; CRISP-DM; prediction; preprocessing methodology; digital signals; fractal dimension; well logs; Minería de datos; predicción; metodología de pre procesamiento; filtros digitales; dimensión fractal; registros de pozo
• Rights: openAccess
• License: Atribución-NoComercial 4.0 Internacional