| dc.creator | Altamirano-Cárdenas,Adrián Israel | |
| dc.creator | Lucero-Calvache,Fernando Andrés | |
| dc.date | 2023-12-01 | |
| dc.date.accessioned | 2023-09-25T15:27:48Z | |
| dc.date.available | 2023-09-25T15:27:48Z | |
| dc.identifier | http://scielo.senescyt.gob.ec/scielo.php?script=sci_arttext&pid=S2602-84842023000200070 | |
| dc.identifier.uri | https://repositorioslatinoamericanos.uchile.cl/handle/2250/8828370 | |
| dc.description | Resumen El presente estudio tiene por objeto predecir la producción de fluidos de los pozos perforados durante el año 2021 en la arenisca T inferior en el campo Sacha. Se tomó en cuenta la información petrofísica y de fluidos para la construcción del modelo a partir de un pozo tipo mediante el software comercial el cual proporciona el análisis del comportamiento de pozos. Paralelamente mediante el lenguaje de programación Python a través de Machine Learning se desarrolló dos algoritmos: uno basado en los datos de presión de entrada (PIP) de la bomba electrosumergible (BES), y otro con datos PIP y salinidad del agua de formación del reservorio. La predicción de producción de fluidos respecto a la producción real obtuvo un error de 2% con el software comercial mientras que en las dos simulaciones a través de Python se obtuvo 10% y 0.5% de error respectivamente. Para el caso de la predicción de producción de gas el valor real es de 0.07 MMSCFD mientras que el obtenido mediante la simulación con el software comercial es de 0.41 MMSCFD. Para el caso de la primera y segunda simulación con Python se obtuvo una mejor aproximación de 0.11 MMSCFD y 0.10 MMSCFD respectivamente. El incremento de variables en Python permite la reducción del porcentaje de error e incrementa el ajuste de la predicción de producción de fluidos y gas, en este caso la PIP de la BES y salinidad de agua de formación. | |
| dc.format | text/html | |
| dc.language | es | |
| dc.publisher | Universidad Central de Ecuador | |
| dc.relation | 10.29166/revfig.v16i2.4542 | |
| dc.rights | info:eu-repo/semantics/openAccess | |
| dc.source | FIGEMPA: Investigación y Desarrollo v.16 n.2 2023 | |
| dc.subject | análisis de datos | |
| dc.subject | pronóstico de producción | |
| dc.subject | software de código abierto | |
| dc.subject | tecnología petrolera | |
| dc.title | Predicción de Producción de Fluidos empleando Machine Learning en T Inferior del Campo Sacha | |
| dc.type | info:eu-repo/semantics/article | |
