Modelo de Aproximación basado en Redes Neuronales para generar Pronósticos de Producción Probabilista a partir de Modelos de Simulación Numérica de Yacimientos - MDA_RN

Es ampliamente reconocido en la industria petrolera que el comportamiento futuro de la producción de un yacimiento no puede ser estimado de manera exacta, debido a todas las incertidumbres asociadas a las variables técnicas del yacimiento y operacionales en el proceso de explotación, sin embargo, tradicionalmente son presentados como perfiles determinísticos que asocian un valor único de producción para cada instante del tiempo. Las metodologías modernas para el diseño de proyectos de explotación exigen migrar a las llamadas “bandas o pronósticos probabilistas”, que asocian, para cada instante del tiempo, una población de posibles valores de la producción que siguen una distribución de probabilidades.

Los pronósticos de producción probabilistas pueden ser estimados a través de modelos analíticos o a partir de un modelo de simulación numérica de yacimientos.

Cuando se requiere determinar ese pronóstico de producción de forma probabilista a partir del modelo de simulación numérica, actualmente no es posible obtenerlo de manera directa con los simuladores numéricos comerciales, teniéndose que requerir el uso de post-procesamiento de los resultados para darle tratamiento probabilista. Aunque existen aplicaciones comerciales y métodos de post-procesamiento automáticos para resolver este problema, el esfuerzo computacional–tiempo–recursos requerido es significativo, principalmente cuando estamos en presencia de yacimientos y procesos de recuperación complejos.

Este documento expone un enfoque metodológico para la estimación de pronósticos de producción probabilistas, a partir de Modelos de Superficie de Respuestas (MSR) o Modelos de Aproximación (MDA) aplicando Redes Neuronales (RN), capaz de reproducir los resultados de modelos de simulación numérica de yacimiento, con esfuerzo computacional razonable y útil en el contexto de los proyectos de explotación y como soporte al proceso de tomas de decisiones.

Por: Karina Semeco/Manuel Freitas.

Documento: https://drive.google.com/file/d/1mlR3xvUf94yV2XxNeqy9XWU5Q0ESwH5d/view?usp=sharing