Machine learning aplicado a análise de curvas de declínio

• Autor(a) principal: Cantuaria, Marco Aurélio Gemaque
• Data de Publicação: 2019
• Tipo de documento: Trabalho de conclusão de curso
• Idioma: por
• Título da fonte: Repositório Institucional da Universidade Federal Fluminense (RIUFF)
• Texto Completo: https://app.uff.br/riuff/handle/1/10422
• topic: Machine learning; Análise da curva de declínio; Perfil de produção; Aprendizado de máquina; Indústria petroquímica; Poço de petróleo; Machine learning; Decline curve analysis; Production profile

As curvas de declínio são até hoje uma maneira muito eficaz de poupar importantes recursos para obtenção de resultados, sem, entretanto, dispensar a qualidade dos resultados. Apesar de que existem outras ferramentas mais modernas, o fato de que as curvas de declínio utilizam a experiência adquirida ao longo da fase de produção do campo para poder representar a tendência de produção, tornam o seu uso uma eficaz alternativa para diversos tópicos na indústria do petróleo, como estimativa de reservas, ajuste de histórico e previsão de produção. O presente trabalho busca utilizar Long Short-Term Memory (LSTM) para realizar a previsão da produção de um poço real de um campo no Mar do Norte. Em seguida, foi realizado a análise por curva de declínios, a fim de criar um modelo de comparação com o algoritmo desenvolvido inicialmente. No final, parametrizou-se o modelo LSTM para observar até que ponto seria possível diminuir a informação utilizada para alimentar o modelo e ainda assim obter bons resultados, e finalmente conclui-se que é possível realizar a predição acurada da produção de um poço de petróleo, e usá-la como base de complementação para os outros métodos de declínio apresentados para melhor entendimento do comportamento da produção