SABER UCV >
2) Tesis >
Maestría >

Por favor, use este identificador para citar o enlazar este ítem: http://hdl.handle.net/10872/20572

Título : Modelado petrofísico del campo Carabobo 2 Faja Petrolífera del Orinoco, Venezuela
Autor : Mederos V., Ignacio J.
Palabras clave : Facies sedimentarias
Campo Carabobo
Permeabilidad
Porosidad
Faja Petrolífera del Orinoco (FPO)
Fecha de publicación : 31-Jan-2020
Citación : POST M467 2019;
Resumen : El objetivo fundamental de este trabajo es determinar el modelo petrofísico del campo Carabobo 2, a partir de la integración de información: geofísica, geológica y petrofísica. Iniciando con la construcción del modelo de facies sedimentaria de campo, a partir de la aplicación de algoritmos de redes neuronales para el reconocimiento patrones de facies sedimentarias en los pozos con y sin información de núcleos, tomando como base las curvas de los registros de pozos y descripción sedimentológica de núcleos existentes. Posteriormente tomando el modelo de facies como base establecer un modelo petrofísico (porosidad, permeabilidad, saturación de agua, arcillosidad y arena neta petrolífera) del campo. Logrando de esta manera la construcción de un modelo petrofísico y de facies de manera rápida y expedita a partir de la aplicación de algoritmos neuronales de alta confiabilidad, verificado por estudios previos realizados. Una vez elaborados los modelos se realizarán los análisis de prospectividad de los mismos, utilizando la metodología de superposición de propiedades para definir aquellas áreas con mejores características para la definición de posibles prospectos (Traffic Light Maps), con cual se definieron dos posibles leads dentro de la Formación Freites, uno de ellos con riesgo intermedio (amarillo) y otro de alto riesgo (rojo). Para la Formación Oficina se reconocieron igualmente dos posibles leads, uno con alta posibilidad (verde) y otro con riesgo intermedio (amarillo). Finalmente se concluyó que el aporte de la aplicación de redes neuronales presento una respuesta satisfactoria en el modelo generado. Lo que reduce horas de trabajo hombre y la cantidad de datos necesarios para el análisis de un campo, sin reducir la calidad del modelo obtenido.
URI : http://hdl.handle.net/10872/20572
Aparece en las colecciones: Maestría

Ficheros en este ítem:

Fichero Descripción Tamaño Formato
Tesis Maestria Ignacio_J_Mederos_V_2019.pdf13.88 MBAdobe PDFVisualizar/Abrir

Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.

 

Valid XHTML 1.0! DSpace Software Copyright © 2002-2008 MIT and Hewlett-Packard - Comentarios