Resumen

La predicción del perfil continuo para la relación de Poisson estática es bastante costosa y requiere enormes trabajos experimentales, y la discontinuidad en la medición y la limitada aplicabilidad y precisión de las actuales correlaciones empíricas hicieron necesaria la utilización de la inteligencia artificial con su próspera aplicación en la industria del petróleo y el gas. Este trabajo pretende construir diferentes modelos de inteligencia artificial para predecir la relación de Poisson estática de la litología compleja en tiempo real durante la perforación. Se utilizaron los enfoques de redes funcionales (FN) y bosques aleatorios (RF) utilizando los parámetros de perforación mecánica como entradas. Este estudio utiliza un pozo vertical con 1775 registros de litología compleja que contiene esquisto, arena y carbonato para la construcción del modelo. Además, se utilizó un conjunto de datos diferente de otro pozo para comprobar la validez de los modelos. Los resultados demostraron que tanto los modelos basados en FN como en RF predijeron la relación de Poisson estática con una precisión significativa. El valor del coeficiente de correlación (R) de los resultados de la técnica FN fue de 0,89 y los valores del porcentaje medio de error absoluto (AAPE) de 10,23 y 10,28% en los procesos de entrenamiento y prueba. Mientras que la técnica de RF se ve superada, como demuestran los valores R más altos de 0,99 y 0,94 y los valores AAPE más bajos de 1,89 y 5,19en los procesos de entrenamiento y prueba, la solidez y fiabilidad de los modelos desarrollados se confirmó en el proceso de validación con valores R de 0,94 y 0,86 y valores AAPE de 11,23 y 5,12 para los modelos basados en FN y RF, respectivamente. Los modelos construidos desarrollaron una base para la predicción de la relación de Poisson estática de bajo costo en tiempo real con una precisión significativa.

• Materias:Inteligencia artificial Minería de datos Algoritmos genéticos Neurofisiología Proceso de aprendizaje
• Subjects:Artificial intelligence Data mining Genetic algorithms Neurophysiology Learning processes
• Palabras claves:poisson estático, modelo basado, litología compleja, valor, proceso de prueba, tiempo real, ratio, precisión de coincidencia significativa, correlación empírica actual, poisson estático barato
• Keywords:static poisson, based model, complex lithology, value, testing process, real time, ratio, significant matching accuracy, present empirical correlation, inexpensive static poisson