IDENTIFICACIÓN DE ZONAS POTENCIALMENTE PRODUCTORAS DE HIDROCARBUROS UTILIZANDO MAQUINA DE SOPORTE VECTORIAL Y ANÁLISIS LINEAL DISCRIMINANTE

Abstract

Para el desarrollo del análisis de pozos petrolíferos se debe realizar el desplazamiento de instrumentos sensoriales para la detección de perfiles, obteniendo así, las señales no estacionarias de estos mismos. Estas señales no se pueden analizar con métodos tradicionales como la transformada de Fourier, lo cual hace más difícil los análisis respectivos, con el fin de verificar y cuantificar la cantidad de hidrocarburo en poros de rocas reservorio. En anteriores estudios se trabajo técnicas de tratamiento de señales como la transformada Wavelet (WT), Lógica difusa (Fuzzy Logic) y otras técnicas de aprendizaje como redes neuronales (RNA) y técnicas de reducción dimensional como análisis de componentes principales (PCA), que se han sumado a la tarea de la interpretación de perfiles de pozo abierto, no haciendo uso de técnicas de aprendizaje automático como Análisis Lineal Discriminante (LDA) y Máquinas de Soporte Vectorial (SVM). El objetivo primordial de esta tesis es la búsqueda de una buena caracterización basada en patrones que determinaron cuando en un pozo existía hidrocarburo de acuerdo a las señales registradas por las herramientas, para esto es necesario el análisis estadístico de las señales para así mismo hacer uso de la normalización de datos, con el fin de mejorar la caracterización de datos, además de diseñar un filtro digital de ruido blanco gaussiano, mediante la transformada Wavelet (WT), atreves del concepto de costo de información se selecciona la mejor onda madre wavelet, y posteriormente haciendo uso de la técnica umbralización: rígida ó flexible. Después con Análisis Discriminante Lineal (LDA) se ejecutará una reducción dimensional de los datos que serán posteriormente procesados con Máquina de Soporte Vectorial (SVM) para separar al máximo los elementos concluyendo con una discriminación de los casos o zonas con porcentajes altos de almacenamiento del hidrocarburo. De este procedimiento se obtuvo óptimos resultados, logrando una reducción de dimensionalidad con (LDA) muy buena y una clasificación con (SVM) que arrojó una efectividad superior al 90% con respecto a la clasificación de zonas ya cañoneadas en los pozos suministrados por ECOPETROL SA.