Predição de fluxo em teste de injetividade via Physics-Informed Machine Learning(PIML)
Resumo
Na indústria de óleo e gás são frequentes problemas de fluxo envolvendo múltiplos fluidos. Uma das técnicas utilizadas para calcular a frente de avanço de dois fluidos é a teoria do Buckley-Leverett [1]. Nas técnicas envolvendo avaliação de formações, o processo de injeção de um determinado fluido, normalmente água e gás, permite estimar propriedades petrofísicas do reservatório. Neste caso, a simulação passa a envolver dois ou mais fluidos. A localização da frente de avanço, frente de choque ou simplemente choque, é crucial para determinar o quão distante está a chegada da água no poço de produção. Esse problema pode ser modelado atravéz de uma Equação Diferencial Parcial(EDP) dada por ∂Sw ∂fw (Sw ) + =0 (1) ∂tD ∂xD onde: • Sw (xD , tD ) é a saturação da água, fw (Sw ) é o fluxo fracionário da água, xD e tD são o espaço e o tempo admensionais, respectivamente. [...]
Downloads
Referências
J. C. Araujo e R. G. Marquez. “Problema de Buckley e Leverett: aproximação de funções para a estimativa da saturação de choque”. Em: Revista Eletrônica Paulista de Matemática 16 (2019).
R. Knobel. An introduction to the matematical theory of waves. Student mathematical library. 1999. isbn: 0-8218-2039-7.
P. P. Raissi e G. E. Karniadakis. “Physics-informed deep learning (Part I): Data-driven solutions of nonlinear partial differential equations”. Em: (2017). doi: 10.1016/j.jcp.2018.10.045.
O. Fuks e H. A. Tchelepi. “Limitations of physics informed machine learning for nonlinear two-phase transport in porous media”. Em: Journal of Machine Learning for Modeling and Computing 1 (2020), pp. 19–37.
DIDATICATECH. O que é TensorFlow? Para que serve? Online. Acessado em 10/01/2023, https://didatica.tech/o-que-e-tensorflow-para-que-serve/.
