Estudio numérico de permeabilidad utilizando redes neuronales artificiales

Abstract

La permeabilidad (k) puede contribuir enormemente en el proceso de caracterización del reservorio. Sin embargo, la medición de este parámetro a través de registros de pozos resulta muy costosa, por lo que se suele determinar a través de su relación con otros parámetros como porosidad ( ), saturación irreducible de agua (Swi), entre otros. Esto ha traído como consecuencia el desarrollo y uso de ecuaciones empíricas (Tixier y Timur) y estadísticas (regresión lineal) para tratar de inferirla. Dada la no linealidad presente entre estos tres parámetros, hemos fijado como objetivo fundamental de este trabajo, la inferencia de la permeabilidad a través del uso de Redes Neuronales Artificiales con algoritmo de retropropagación, para lo cual hemos utilizado el módulo de RNA de retropropagación con que cuenta la plataforma MatLab. En este sentido, hemos entrenado estas redes con 60% de datos seleccionados aleatoriamente del pozo 950, para inferir en los pozos 812, 1021 y 1041, los cuales se encuentran todos ubicados en el Bloque III del Lago de Maracaibo, Venezuela. Estos datos comprenden valores de núcleo de Permeabilidad (k), Porosidad ( ) y Saturación Irreducible de Agua (Swi) a profundidad. Los resultados obtenidos con las RNA fueron comparados con los obtenidos usando las ecuaciones empíricas y estadísticas. Como era de esperarse, los mejores resultados en la inferencia de permeabilidad, se encontraron con la técnica de RNA, donde se obtuvo en algunos casos un nivel de inferencia mayor al 20% con respecto a las otras técnicas.