Resumen

La permeabilidad es un parámetro clave asociado a la caracterización de cualquier yacimiento de hidrocarburos. De hecho, no es posible obtener soluciones precisas a muchos problemas de ingeniería petrolera sin disponer de un valor exacto de permeabilidad. Los métodos convencionales para determinar la permeabilidad son el análisis de testigos y las técnicas de ensayo de pozos. Estos métodos son muy caros y requieren mucho tiempo. Por ello, normalmente se ha intentado utilizar redes neuronales artificiales para identificar la relación entre los datos de registro de pozos y la permeabilidad del núcleo. De este modo, trabajos recientes sobre técnicas de inteligencia artificial han llevado a introducir una metodología robusta de aprendizaje automático denominada máquina de vectores soporte. El objetivo de este trabajo es utilizar la SVM para predecir la permeabilidad de tres pozos de gas en el yacimiento de Pars Meridional. Los resultados obtenidos con la SVM mostraron que el coeficiente de correlación entre la permeabilidad del núcleo y la predicha es de 0,97 para el conjunto de datos de prueba. La comparación de los resultados de SVM con los de una red neuronal de regresión general (GRNN) reveló que el enfoque SVM es más rápido y preciso que la GRNN en la predicción de la permeabilidad de los yacimientos de hidrocarburos.

• Materias:Análisis Matemático Álgebra Ingeniería Matemática aplicada Lógica matemática
• Subjects:Mathematical Analysis Algebra Engineering Applied Mathematics Mathematical logic
• Palabras claves:svm, muchos problemas de ingeniería petrolera, campo southern pars, valor exacto de permeabilidad, técnicas de inteligencia artificial, red neuronal artificial, permeabilidad de yacimientos de hidrocarburos, máquina de vectores soporte, datos de registro de pozos, técnicas de prueba de pozos
• Keywords:svm, many petroleum engineering problems, southern pars field, accurate permeability value, artificial intelligence techniques, artificial neural network, hydrocarbon reservoirs permeability, support vector machine, well log data, well test techniques