Identificación de la presencia de hidrocarburos en arenas arcillosas usando un algoritmo de machine learning, registros de pozo e imágenes de fluorescencia de corazones
Evaluating the presence of hydrocarbon in sands interbedded with clay laminations below the vertical resolution of resistivity logs is a complex task. Clays, being highly conductive, generate suppression of the resistivity logs, making water saturation calculated using the Archie equation high in ot...
- Autores:
- Tipo de recurso:
- Fecha de publicación:
- 2021
- Institución:
- Universidad de América
- Repositorio:
- Lumieres
- Idioma:
- spa
- OAI Identifier:
- oai:repository.uamerica.edu.co:20.500.11839/8627
- Acceso en línea:
- https://hdl.handle.net/20.500.11839/8627
- Palabra clave:
- Imágenes de corazones
Presencia de hidrocarburos
Saturación de agua
Images of hearts
Presence of hydrocarbons
Water saturation
Tesis y disertaciones académicas
- Rights
- License
- Atribución – No comercial
| id |
Lumieres_c589d0dac6727b28145ced86769677dd |
|---|---|
| oai_identifier_str |
oai:repository.uamerica.edu.co:20.500.11839/8627 |
| network_acronym_str |
Lumieres |
| network_name_str |
Lumieres |
| repository_id_str |
|
| spelling |
Identificación de la presencia de hidrocarburos en arenas arcillosas usando un algoritmo de machine learning, registros de pozo e imágenes de fluorescencia de corazonesIdentification of the presence of hydrocarbons in clay sands using a machine learning algorithm, well logs and core fluorescence imagesImágenes de corazonesPresencia de hidrocarburosSaturación de aguaImages of heartsPresence of hydrocarbonsWater saturationTesis y disertaciones académicasEvaluating the presence of hydrocarbon in sands interbedded with clay laminations below the vertical resolution of resistivity logs is a complex task. Clays, being highly conductive, generate suppression of the resistivity logs, making water saturation calculated using the Archie equation high in otherwise potentially productive zones. Other models such as Poupon, Waxman-Smits or Simandoux require knowledge of the electrical properties of clays from laboratory measurements or calibration in thick end-member shales representative of the laminations. Recent advances in machine learning algorithms and the availability of image processing modules in Python suggest training borehole logs to recognize variations in ultraviolet (UV) fluorescence core images as a promising way to recognize the presence of hydrocarbons in complex reservoirs. In this paper, we propose a new method based on Machine Learning, analogous to the use of facial recognition algorithms, to predict the complex relationship between the presence of hydrocarbon in laminated sands and basic well log measurements without using any explicit analytical expressions.La evaluación de la presencia de hidrocarburos en arenas con intercalaciones de arcilla por debajo de la resolución vertical de los registros de resistividad es una tarea difícil. Las arcillas al ser altamente conductivas generan supresión de los registros de resistividad haciendo que la saturación de agua calculada a través del modelo de Archie sea mayor a la existente en zonas altamente productivas. Otros modelos como Poupon, Waxman-Smits o Simandoux requieren de conocimiento de propiedades eléctricas de las arcillas a través de medidas de laboratorio o calibración en arcillas gruesas y representativas de las laminaciones. Avances recientes en algoritmos de Machine Learning y la disponibilidad de módulos de procesamiento de imágenes en Python, sugieren el entrenamiento de registros de pozo para reconocer variaciones en imágenes de fluorescencia ultravioleta (UV) como una promisoria forma de reconocer la presencia de hidrocarburos en yacimientos complejos. En este trabajo, se propone un nuevo método basado en Machine Learning, el cual es análogo al uso de algoritmos de reconocimiento facial, para predecir la compleja relación existente entre la presencia de hidrocarburos en arenas laminadas y medidas básicas de registro de pozo sin utilizar expresiones analíticas explícitas.Fundación Universidad de AméricaPeñaloza González, José FranciscoGómez Alba, Sebastián AlejandroOrtega, EdwinCastro Ortega, Angélica YuliethTejada Angarita, Ana Valentina2022-01-08T01:44:37Z2022-01-08T01:44:37Z2021-08-03bachelorThesishttp://purl.org/coar/resource_type/c_7a1fapplication/pdfapplication/pdfAPA 7th - Castro Ortega, A. Y. y Tejada Angarita, A. V. (2021) Identificación de la presencia de hidrocarburos en arenas arcillosas usando un algoritmo de machine learning, registros de pozo e imágenes de fluorescencia de corazones. [Trabajo de grado, Fundación Universidad de América] Repositorio Institucional Lumieres. https://hdl.handle.net/20.500.11839/8627https://hdl.handle.net/20.500.11839/8627Atribución – No comercialhttp://purl.org/coar/access_right/c_abf2spaoai:repository.uamerica.edu.co:20.500.11839/86272025-02-01T08:56:26Z |
| dc.title.none.fl_str_mv |
Identificación de la presencia de hidrocarburos en arenas arcillosas usando un algoritmo de machine learning, registros de pozo e imágenes de fluorescencia de corazones Identification of the presence of hydrocarbons in clay sands using a machine learning algorithm, well logs and core fluorescence images |
| title |
Identificación de la presencia de hidrocarburos en arenas arcillosas usando un algoritmo de machine learning, registros de pozo e imágenes de fluorescencia de corazones |
| spellingShingle |
Identificación de la presencia de hidrocarburos en arenas arcillosas usando un algoritmo de machine learning, registros de pozo e imágenes de fluorescencia de corazones Imágenes de corazones Presencia de hidrocarburos Saturación de agua Images of hearts Presence of hydrocarbons Water saturation Tesis y disertaciones académicas |
| title_short |
Identificación de la presencia de hidrocarburos en arenas arcillosas usando un algoritmo de machine learning, registros de pozo e imágenes de fluorescencia de corazones |
| title_full |
Identificación de la presencia de hidrocarburos en arenas arcillosas usando un algoritmo de machine learning, registros de pozo e imágenes de fluorescencia de corazones |
| title_fullStr |
Identificación de la presencia de hidrocarburos en arenas arcillosas usando un algoritmo de machine learning, registros de pozo e imágenes de fluorescencia de corazones |
| title_full_unstemmed |
Identificación de la presencia de hidrocarburos en arenas arcillosas usando un algoritmo de machine learning, registros de pozo e imágenes de fluorescencia de corazones |
| title_sort |
Identificación de la presencia de hidrocarburos en arenas arcillosas usando un algoritmo de machine learning, registros de pozo e imágenes de fluorescencia de corazones |
| dc.contributor.none.fl_str_mv |
Peñaloza González, José Francisco Gómez Alba, Sebastián Alejandro Ortega, Edwin |
| dc.subject.none.fl_str_mv |
Imágenes de corazones Presencia de hidrocarburos Saturación de agua Images of hearts Presence of hydrocarbons Water saturation Tesis y disertaciones académicas |
| topic |
Imágenes de corazones Presencia de hidrocarburos Saturación de agua Images of hearts Presence of hydrocarbons Water saturation Tesis y disertaciones académicas |
| description |
Evaluating the presence of hydrocarbon in sands interbedded with clay laminations below the vertical resolution of resistivity logs is a complex task. Clays, being highly conductive, generate suppression of the resistivity logs, making water saturation calculated using the Archie equation high in otherwise potentially productive zones. Other models such as Poupon, Waxman-Smits or Simandoux require knowledge of the electrical properties of clays from laboratory measurements or calibration in thick end-member shales representative of the laminations. Recent advances in machine learning algorithms and the availability of image processing modules in Python suggest training borehole logs to recognize variations in ultraviolet (UV) fluorescence core images as a promising way to recognize the presence of hydrocarbons in complex reservoirs. In this paper, we propose a new method based on Machine Learning, analogous to the use of facial recognition algorithms, to predict the complex relationship between the presence of hydrocarbon in laminated sands and basic well log measurements without using any explicit analytical expressions. |
| publishDate |
2021 |
| dc.date.none.fl_str_mv |
2021-08-03 2022-01-08T01:44:37Z 2022-01-08T01:44:37Z |
| dc.type.none.fl_str_mv |
bachelorThesis |
| dc.type.coar.fl_str_mv |
http://purl.org/coar/resource_type/c_7a1f |
| dc.identifier.none.fl_str_mv |
APA 7th - Castro Ortega, A. Y. y Tejada Angarita, A. V. (2021) Identificación de la presencia de hidrocarburos en arenas arcillosas usando un algoritmo de machine learning, registros de pozo e imágenes de fluorescencia de corazones. [Trabajo de grado, Fundación Universidad de América] Repositorio Institucional Lumieres. https://hdl.handle.net/20.500.11839/8627 https://hdl.handle.net/20.500.11839/8627 |
| identifier_str_mv |
APA 7th - Castro Ortega, A. Y. y Tejada Angarita, A. V. (2021) Identificación de la presencia de hidrocarburos en arenas arcillosas usando un algoritmo de machine learning, registros de pozo e imágenes de fluorescencia de corazones. [Trabajo de grado, Fundación Universidad de América] Repositorio Institucional Lumieres. https://hdl.handle.net/20.500.11839/8627 |
| url |
https://hdl.handle.net/20.500.11839/8627 |
| dc.language.iso.fl_str_mv |
spa |
| language |
spa |
| dc.rights.none.fl_str_mv |
Atribución – No comercial http://purl.org/coar/access_right/c_abf2 |
| rights_invalid_str_mv |
Atribución – No comercial http://purl.org/coar/access_right/c_abf2 |
| dc.format.none.fl_str_mv |
application/pdf application/pdf |
| dc.publisher.none.fl_str_mv |
Fundación Universidad de América |
| publisher.none.fl_str_mv |
Fundación Universidad de América |
| institution |
Universidad de América |
| repository.name.fl_str_mv |
|
| repository.mail.fl_str_mv |
|
| _version_ |
1841553088524058624 |