Please use this identifier to cite or link to this item: https://app.uff.br/riuff/handle/1/4010
Full metadata record
DC FieldValueLanguage
dc.contributor.advisorVallejos Carrasco, Alfredo Moisés-
dc.contributor.authorNogueira, Simone Alves Intete-
dc.contributor.authorSoares, Yago Chamoun Ferreira-
dc.date.accessioned2017-07-14T13:12:36Z-
dc.date.available2017-07-14T13:12:36Z-
dc.date.issued2017-07-14-
dc.identifier.urihttps://app.uff.br/riuff/handle/1/4010-
dc.description.abstractA perfilagem de poços é uma ferramenta essencial para a indústria de petróleo. Em poucas palavras, pode ser resumida como a caracterização de propriedades petrofísicas e geológicas representadas graficamente pela associação com a profundidade do poço. É através da análise dos perfis que é possível identificar os tipos de rochas, a localização de hidrocarbonetos, pode-se estimar a viabilidade do poço e permite o reaproveitamento de poços já explorados.Esse trabalho aponta uma das medidas alternativas utilizadas hoje em dia para otimizar o processo de interpretação das respostas da perfilagem: o software Interactive Petrophysics que conta com a metodologia de redes neurais artificiais utilizando um algoritmo interpretativo usado para treinar a rede e simular uma saída esperada. As redes neurais artificiais possuem a capacidade de associar as informações de entrada e ponderá-las através de pesos no processo de aprendizagem. A metodologia do processo consistiu em utilizar informações petrofísicas reais provindas de perfis geofísicos e também dados de análise de testemunho fornecidos pela ANP (Agência Nacional de Petróleo, Gás Natural e Bicombustíveis) de três poços produtores pertencentes ao campo de Namorado (campo escola), os mais próximos possíveis, e assim tais informações foram usadas como os dados de entrada e para treinamento da rede para estimar a saída esperada, que, para esse caso, foi a permeabilidade dos poços. E, no final do trabalho, foi feita uma análise comparativa com os dados reais obtidos pela análise de testemunho com a saída do simulador.pt_BR
dc.description.provenanceSubmitted by Fernando Peixoto (fpeixoto@vm.uff.br) on 2017-07-13T17:47:30Z No. of bitstreams: 1 Yago C. F. Soares e Simone A. I. Nogueira.pdf: 2857864 bytes, checksum: 1f200f1c954a787b6422468224fe265c (MD5)en
dc.description.provenanceApproved for entry into archive by Biblioteca da Escola de Engenharia (bee@ndc.uff.br) on 2017-07-14T13:12:25Z (GMT) No. of bitstreams: 1 Yago C. F. Soares e Simone A. I. Nogueira.pdf: 2857864 bytes, checksum: 1f200f1c954a787b6422468224fe265c (MD5)en
dc.description.provenanceMade available in DSpace on 2017-07-14T13:12:36Z (GMT). No. of bitstreams: 1 Yago C. F. Soares e Simone A. I. Nogueira.pdf: 2857864 bytes, checksum: 1f200f1c954a787b6422468224fe265c (MD5)en
dc.language.isopt_BRpt_BR
dc.rightsOpen accesspt_BR
dc.titleAplicação de redes neurais artificiais na estimativa da permeabilidade usando perfis de poços do Campo de Namoradopt_BR
dc.typeMonografia de conclusão de cursopt_BR
dc.subject.keywordPerfilagempt_BR
dc.subject.keywordPropriedades petrofísicaspt_BR
dc.subject.keywordRedes neurais artificiaispt_BR
dc.contributor.membersBaioco, Juliana Souza-
dc.contributor.membersQueiroz Neto, João Crisósthomo de-
dc.degree.levelGraduaçãopt_BR
dc.subject.descriptorPoço de petróleopt_BR
dc.subject.descriptorPerfilagem de poçopt_BR
dc.subject.descriptorRede neural artificialpt_BR
dc.subject.descriptorPetrofísicapt_BR
dc.subject.keywordotherWell loggingpt_BR
dc.subject.keywordotherPetrophyscs proprietiespt_BR
dc.subject.keywordotherArtificial neural networkpt_BR
dc.description.abstractotherWell logging is an essential tool for the oil industry. In a few words, it can be described as the characterization of petrophysics and geological properties registered in association with the depth of the well. It is through the analysis of the logs that it is possible to determinate the type of rocks, the hydrocarbons localization, it can be estimated the viability of the well and the return of wells already explored. The well logging activity occurs during the exploration phase of the well. In this study, a brief presentation of the qualitative and quantitative properties of the logs will be carried out, as well as their importance for the characterization of the wells; on top of that the main logs used in the study of the case of the Namorado Field will be presented. This paper shows one of the alternative measures to accelerate the well logging process: The Interactive Petrophysics software presents an artificial neural network logic that uses an interpretative algorithm to train and simulate an expected output. The artificial neural networks can associate the input data and weight them through the learning process. This complex logic will also be presented in this paper so it can be better understood. The methodology of the process consisted in taking the input data, the logs and the core analysis, provided by ANP (Nacional Petroleum Agency) of three wells specifically selected, and then train this input data to provide the output permeability. At the end of this study it was made a comparative analysis with the real data and the one that came out of the process.pt_BR
dc.identifier.vinculationAluno de graduaçãopt_BR
dc.degree.grantorUniversidade Federal Fluminensept_BR
dc.degree.departmentDepartamento de Engenharia Química e de Petróleopt_BR
dc.degree.date2017-07-06-
dc.degree.localNiterói, RJpt_BR
dc.degree.cursoCurso de Engenharia de Petróleopt_BR
dc.publisher.departmentNiteróipt_BR
Appears in Collections:TGO - Trabalhos de Conclusão de Curso

Files in This Item:
File Description SizeFormat 
Yago C. F. Soares e Simone A. I. Nogueira.pdf2.79 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.