Stratigraphic characterization of reservoirs through segmentation of digital images of well cores from machine learning
El propósito del presente trabajo es generar un algoritmo que permita una segmentación automática de imágenes de núcleos de pozo mediante machine learning. La motivación es buscar una aplicación de redes neuronales en la industria del petróleo como una herramienta de apoyo para los geólogos que perm...
- Autores:
-
Burgos Florez, Juan Camilo
- Tipo de recurso:
- Trabajo de grado de pregrado
- Fecha de publicación:
- 2018
- Institución:
- Universidad de los Andes
- Repositorio:
- Séneca: repositorio Uniandes
- Idioma:
- eng
- OAI Identifier:
- oai:repositorio.uniandes.edu.co:1992/39501
- Acceso en línea:
- http://hdl.handle.net/1992/39501
- Palabra clave:
- Estratigrafía
Pozos petroleros
Aprendizaje automático (Inteligencia artificial)
Redes neurales (Computadores)
Algoritmos
Geociencias
- Rights
- openAccess
- License
- http://creativecommons.org/licenses/by-nc-sa/4.0/
Summary: | El propósito del presente trabajo es generar un algoritmo que permita una segmentación automática de imágenes de núcleos de pozo mediante machine learning. La motivación es buscar una aplicación de redes neuronales en la industria del petróleo como una herramienta de apoyo para los geólogos que permita especificar las descripciones de posibles estructuras y patrones que no se identifican. Por lo tanto, se utilizó la información de tres pozos de la Cuenca del Valle del Magdalena Medio para conocer la secuencia estratigráfica para su descripción. Después, se recolectaron 1966 imágenes de núcleo con un tamaño de 0.1 pies para entrenar el algoritmo. De ahí, se utilizaron 983 imágenes para alimentar la fase de entrenamiento, y el resto para alimentar la fase de validación. Los resultados finales fueron un valor de pérdida de entrenamiento de 1.0709 y un valor de pérdida de validación de 1.0804, que muestra que las imágenes tuvieron |
---|