Aplicación de técnicas de machine learning para estimar propiedades físicas de hidrocarburos a partir de firmas espectrales
"El reto principal de la investigación es la cuantificación remota de los grados API en los rezumaderos del Valle Medio del Magdalena en Ecopetrol, para lograr esto se persiguen dos objetivos fundamentales, el primero es construir un modelo predictivo a partir de las firmas tomadas por medio de...
- Autores:
-
Castelblanco Ramos, Sergio Augusto
González Gamboa, Jhon Franklin
- Tipo de recurso:
- Fecha de publicación:
- 2018
- Institución:
- Universidad de los Andes
- Repositorio:
- Séneca: repositorio Uniandes
- Idioma:
- spa
- OAI Identifier:
- oai:repositorio.uniandes.edu.co:1992/34930
- Acceso en línea:
- http://hdl.handle.net/1992/34930
- Palabra clave:
- Petróleo - Densidad - Investigaciones - Magdalena Medio (Región, Colombia)
Aprendizaje automático (Inteligencia artificial) - Aplicaciones industriales - Investigaciones - Estudio de casos
Registro de pozos petroleros
Rezumaderos de petróleo
Redes neurales (Computadores) - Aplicaciones industriales - Investigaciones - Magdalena Medio (Región, Colombia) - Estudio de casos
Ingeniería
- Rights
- openAccess
- License
- https://repositorio.uniandes.edu.co/static/pdf/aceptacion_uso_es.pdf
| id |
UNIANDES2_8e9fc9ee23327e4b846c436b2eff9ec3 |
|---|---|
| oai_identifier_str |
oai:repositorio.uniandes.edu.co:1992/34930 |
| network_acronym_str |
UNIANDES2 |
| network_name_str |
Séneca: repositorio Uniandes |
| repository_id_str |
|
| dc.title.es_CO.fl_str_mv |
Aplicación de técnicas de machine learning para estimar propiedades físicas de hidrocarburos a partir de firmas espectrales |
| title |
Aplicación de técnicas de machine learning para estimar propiedades físicas de hidrocarburos a partir de firmas espectrales |
| spellingShingle |
Aplicación de técnicas de machine learning para estimar propiedades físicas de hidrocarburos a partir de firmas espectrales Petróleo - Densidad - Investigaciones - Magdalena Medio (Región, Colombia) Aprendizaje automático (Inteligencia artificial) - Aplicaciones industriales - Investigaciones - Estudio de casos Registro de pozos petroleros Rezumaderos de petróleo Redes neurales (Computadores) - Aplicaciones industriales - Investigaciones - Magdalena Medio (Región, Colombia) - Estudio de casos Ingeniería |
| title_short |
Aplicación de técnicas de machine learning para estimar propiedades físicas de hidrocarburos a partir de firmas espectrales |
| title_full |
Aplicación de técnicas de machine learning para estimar propiedades físicas de hidrocarburos a partir de firmas espectrales |
| title_fullStr |
Aplicación de técnicas de machine learning para estimar propiedades físicas de hidrocarburos a partir de firmas espectrales |
| title_full_unstemmed |
Aplicación de técnicas de machine learning para estimar propiedades físicas de hidrocarburos a partir de firmas espectrales |
| title_sort |
Aplicación de técnicas de machine learning para estimar propiedades físicas de hidrocarburos a partir de firmas espectrales |
| dc.creator.fl_str_mv |
Castelblanco Ramos, Sergio Augusto González Gamboa, Jhon Franklin |
| dc.contributor.advisor.none.fl_str_mv |
Valencia Arboleda, Carlos Felipe Plata, Iván Rodrigo |
| dc.contributor.author.none.fl_str_mv |
Castelblanco Ramos, Sergio Augusto González Gamboa, Jhon Franklin |
| dc.contributor.jury.none.fl_str_mv |
Gómez Castro, Camilo Hernando |
| dc.subject.keyword.es_CO.fl_str_mv |
Petróleo - Densidad - Investigaciones - Magdalena Medio (Región, Colombia) Aprendizaje automático (Inteligencia artificial) - Aplicaciones industriales - Investigaciones - Estudio de casos Registro de pozos petroleros Rezumaderos de petróleo Redes neurales (Computadores) - Aplicaciones industriales - Investigaciones - Magdalena Medio (Región, Colombia) - Estudio de casos |
| topic |
Petróleo - Densidad - Investigaciones - Magdalena Medio (Región, Colombia) Aprendizaje automático (Inteligencia artificial) - Aplicaciones industriales - Investigaciones - Estudio de casos Registro de pozos petroleros Rezumaderos de petróleo Redes neurales (Computadores) - Aplicaciones industriales - Investigaciones - Magdalena Medio (Región, Colombia) - Estudio de casos Ingeniería |
| dc.subject.themes.none.fl_str_mv |
Ingeniería |
| description |
"El reto principal de la investigación es la cuantificación remota de los grados API en los rezumaderos del Valle Medio del Magdalena en Ecopetrol, para lograr esto se persiguen dos objetivos fundamentales, el primero es construir un modelo predictivo a partir de las firmas tomadas por medio de técnicas de espectroradiometria para predecir los grados API, y segundo, a partir de imágenes de satélite implementar técnicas de clasificación para contrastar las firmas espectrales obtenidas anteriormente sobre la imagen y poder identificar potenciales rezumaderos en la zona de interés, posteriormente de esta identificación se va extraer la firma espectral del potencial rezumadero para predecir los grados API. La gravedad API describe la relación de la densidad del aceite con relación al agua. Los rangos normales de esta propiedad están entre 10 a 45°API, entre menor sea el valor más pesado será el hidrocarburo. Estimar esta propiedad física aporta en gran medida a la caracterización de rezumaderos (estudio) dado que se tendría la capacidad de conocer el tipo de crudo que impregna el elemento (vegetación/suelos) y brindaría conocimiento técnico a geólogos y petrofísicos para un mejor entendimiento del subsuelo y así una mejor explotación de los hidrocarburos localizados en la zona."--Tomado del Formato de Documento de Grado. |
| publishDate |
2018 |
| dc.date.issued.none.fl_str_mv |
2018 |
| dc.date.accessioned.none.fl_str_mv |
2020-06-10T09:27:16Z |
| dc.date.available.none.fl_str_mv |
2020-06-10T09:27:16Z |
| dc.type.spa.fl_str_mv |
Trabajo de grado - Maestría |
| dc.type.coarversion.fl_str_mv |
http://purl.org/coar/version/c_970fb48d4fbd8a85 |
| dc.type.driver.spa.fl_str_mv |
info:eu-repo/semantics/masterThesis |
| dc.type.content.spa.fl_str_mv |
Text |
| dc.type.redcol.spa.fl_str_mv |
http://purl.org/redcol/resource_type/TM |
| dc.identifier.uri.none.fl_str_mv |
http://hdl.handle.net/1992/34930 |
| dc.identifier.pdf.none.fl_str_mv |
u820869.pdf |
| dc.identifier.instname.spa.fl_str_mv |
instname:Universidad de los Andes |
| dc.identifier.reponame.spa.fl_str_mv |
reponame:Repositorio Institucional Séneca |
| dc.identifier.repourl.spa.fl_str_mv |
repourl:https://repositorio.uniandes.edu.co/ |
| url |
http://hdl.handle.net/1992/34930 |
| identifier_str_mv |
u820869.pdf instname:Universidad de los Andes reponame:Repositorio Institucional Séneca repourl:https://repositorio.uniandes.edu.co/ |
| dc.language.iso.es_CO.fl_str_mv |
spa |
| language |
spa |
| dc.rights.uri.*.fl_str_mv |
https://repositorio.uniandes.edu.co/static/pdf/aceptacion_uso_es.pdf |
| dc.rights.accessrights.spa.fl_str_mv |
info:eu-repo/semantics/openAccess |
| dc.rights.coar.spa.fl_str_mv |
http://purl.org/coar/access_right/c_abf2 |
| rights_invalid_str_mv |
https://repositorio.uniandes.edu.co/static/pdf/aceptacion_uso_es.pdf http://purl.org/coar/access_right/c_abf2 |
| eu_rights_str_mv |
openAccess |
| dc.format.extent.es_CO.fl_str_mv |
37 hojas |
| dc.format.mimetype.es_CO.fl_str_mv |
application/pdf |
| dc.publisher.es_CO.fl_str_mv |
Uniandes |
| dc.publisher.program.es_CO.fl_str_mv |
Maestría en Inteligencia Analítica para la Toma de Decisiones |
| dc.publisher.faculty.es_CO.fl_str_mv |
Facultad de Ingeniería |
| dc.publisher.department.es_CO.fl_str_mv |
Departamento de Ingeniería Industrial |
| dc.source.es_CO.fl_str_mv |
instname:Universidad de los Andes reponame:Repositorio Institucional Séneca |
| instname_str |
Universidad de los Andes |
| institution |
Universidad de los Andes |
| reponame_str |
Repositorio Institucional Séneca |
| collection |
Repositorio Institucional Séneca |
| bitstream.url.fl_str_mv |
https://repositorio.uniandes.edu.co/bitstreams/86db5396-ee31-49a8-b4b6-c8b4475dfeff/download https://repositorio.uniandes.edu.co/bitstreams/532fe804-b842-4697-98a2-c8ef006ef9db/download https://repositorio.uniandes.edu.co/bitstreams/cbaf25f8-baad-4a39-8abc-0fc883060d09/download |
| bitstream.checksum.fl_str_mv |
cf3c4887a62e79cea3ebd13fc62062b3 293135fab84b7a8eb50416d50b090513 25765519bba273d8b978653a4b057bdc |
| bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 |
| repository.name.fl_str_mv |
Repositorio institucional Séneca |
| repository.mail.fl_str_mv |
adminrepositorio@uniandes.edu.co |
| _version_ |
1812133858505654272 |
| spelling |
Al consultar y hacer uso de este recurso, está aceptando las condiciones de uso establecidas por los autores.https://repositorio.uniandes.edu.co/static/pdf/aceptacion_uso_es.pdfinfo:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2Valencia Arboleda, Carlos Felipe5db69394-2b58-4979-8c10-2b1e7f0c0883400Plata, Iván Rodrigo6e349d32-5d61-4360-ac53-541c0850f08f500Castelblanco Ramos, Sergio Augusto86f44850-9adf-44e2-a73a-f3acf5d07d0b500González Gamboa, Jhon Franklinc9c02a2a-ad43-4c77-b1f9-4025164efe1c500Gómez Castro, Camilo Hernando2020-06-10T09:27:16Z2020-06-10T09:27:16Z2018http://hdl.handle.net/1992/34930u820869.pdfinstname:Universidad de los Andesreponame:Repositorio Institucional Sénecarepourl:https://repositorio.uniandes.edu.co/"El reto principal de la investigación es la cuantificación remota de los grados API en los rezumaderos del Valle Medio del Magdalena en Ecopetrol, para lograr esto se persiguen dos objetivos fundamentales, el primero es construir un modelo predictivo a partir de las firmas tomadas por medio de técnicas de espectroradiometria para predecir los grados API, y segundo, a partir de imágenes de satélite implementar técnicas de clasificación para contrastar las firmas espectrales obtenidas anteriormente sobre la imagen y poder identificar potenciales rezumaderos en la zona de interés, posteriormente de esta identificación se va extraer la firma espectral del potencial rezumadero para predecir los grados API. La gravedad API describe la relación de la densidad del aceite con relación al agua. Los rangos normales de esta propiedad están entre 10 a 45°API, entre menor sea el valor más pesado será el hidrocarburo. Estimar esta propiedad física aporta en gran medida a la caracterización de rezumaderos (estudio) dado que se tendría la capacidad de conocer el tipo de crudo que impregna el elemento (vegetación/suelos) y brindaría conocimiento técnico a geólogos y petrofísicos para un mejor entendimiento del subsuelo y así una mejor explotación de los hidrocarburos localizados en la zona."--Tomado del Formato de Documento de Grado."The main challenge of the research is to quantify remotely the physical property called (API) in the oil seeps belong to Middle Magadalena Valley of Colombia in Ecopetrol, To achieve this it is necessary to complete two objectives, the first is to build a predictive model (Deep neural networks) from the signatures taken by means of field spectroradiometry techniques, and the second, from satellite images allowing to extract the spectral signature of the potential seep and to predict the API degrees. The API describes the relationship between oil and water density. The normal range values are 10 - 45°API, the lowest value of this property means a heavier oil and vice versa. This property is highly important because it enables field development planning and define the petroleum quality."--Tomado del Formato de Documento de Grado.Magíster en Inteligencia Analítica para la Toma de DecisionesMaestría37 hojasapplication/pdfspaUniandesMaestría en Inteligencia Analítica para la Toma de DecisionesFacultad de IngenieríaDepartamento de Ingeniería Industrialinstname:Universidad de los Andesreponame:Repositorio Institucional SénecaAplicación de técnicas de machine learning para estimar propiedades físicas de hidrocarburos a partir de firmas espectralesTrabajo de grado - Maestríainfo:eu-repo/semantics/masterThesishttp://purl.org/coar/version/c_970fb48d4fbd8a85Texthttp://purl.org/redcol/resource_type/TMPetróleo - Densidad - Investigaciones - Magdalena Medio (Región, Colombia)Aprendizaje automático (Inteligencia artificial) - Aplicaciones industriales - Investigaciones - Estudio de casosRegistro de pozos petrolerosRezumaderos de petróleoRedes neurales (Computadores) - Aplicaciones industriales - Investigaciones - Magdalena Medio (Región, Colombia) - Estudio de casosIngenieríaPublicationTEXTu820869.pdf.txtu820869.pdf.txtExtracted texttext/plain65225https://repositorio.uniandes.edu.co/bitstreams/86db5396-ee31-49a8-b4b6-c8b4475dfeff/downloadcf3c4887a62e79cea3ebd13fc62062b3MD54THUMBNAILu820869.pdf.jpgu820869.pdf.jpgIM Thumbnailimage/jpeg20322https://repositorio.uniandes.edu.co/bitstreams/532fe804-b842-4697-98a2-c8ef006ef9db/download293135fab84b7a8eb50416d50b090513MD55ORIGINALu820869.pdfapplication/pdf2739753https://repositorio.uniandes.edu.co/bitstreams/cbaf25f8-baad-4a39-8abc-0fc883060d09/download25765519bba273d8b978653a4b057bdcMD511992/34930oai:repositorio.uniandes.edu.co:1992/349302023-10-10 16:06:39.294https://repositorio.uniandes.edu.co/static/pdf/aceptacion_uso_es.pdfopen.accesshttps://repositorio.uniandes.edu.coRepositorio institucional Sénecaadminrepositorio@uniandes.edu.co |