Um modelo de regressão linear multivariado para a permeabilidade na região da Oceania
DOI:
https://doi.org/10.5540/03.2021.008.01.0495Palabras clave:
Regressão linear, Meios porosos altamente heterogêneos, Elementos Finitos, Problema de Darcy, Estudo da PermeabilidadeResumen
Na avaliação de reservatórios de exploração de petróleo, as propriedades permeabilidade e porosidade exercem uma forte influência na caracterização e predição dos poços petrolíferos. Por isso, determinar esta relação entre as variáveis requer a utilização de técnicas preditivas robustas. Neste trabalho é proposto uma nova abordagem para a obtenção de valores da permeabilidade através de modelos regressivos multivariados. A permeabilidade é estimada em função de medidas da porosidade e da região onde estão localizados os poços. Esta abordagem foi construída e testada com dados disponibilizados no relatório petrolífero da região da Oceania. Para validação da função encontrada para a permeabilidade, esta foi aplicada no problema de Darcy, e a pressão obtida numericamente pelo método de Galerkin.
Descargas
Citas
Ahmadi M.A. e Chen, Z. Comparison of machine learning methods for estimating permeability and porosity of oil reservoirs via petro-physical logs. Petroleum, v. 5, n. 3, p. 271-284, 2019.
Australia. Bureau of Mineral Resources, Geology and Geophysics (1990). Program summary. Bureau of Mineral Resources, Geology & Geophysics, Canberra, 1990.
Balan B., Mohaghegh, S., Ameri, S. State-of-the-art in permeability determination from well log data: Part 1-A comparative study, model development, SPE Eastern Regional Meeting. Society of Petroleum Engineers, 1995.
Corrêa, M. R. Métodos de Elementos Finitos Estabilizados para Escoamentos de Darcy e de Stokes-Darcy Acoplados, Tese de Doutorado, LNCC, 2006.
Corrêa, M. R. e Borges, M. R. A. A semi-discrete central scheme for scalar hyperbolic conservation laws with heterogeneous storage coefficient and its application to porous media flow. International Journal for Numerical Methods in Fluids, v. 73, n. 3, p. 205-224, 2013.
Male, F. e Duncan, I. J., Lessons for machine learning from the analysis of porosity-permeability transforms for carbonate reservoirs. Journal of Petroleum Science and Engi- neering, v. 187, p. 106825, 2020.
Montgomery, D. C., Peck, E. A. and Vining, G. G. Introduction to Linear Regression Analisys, 5th ed. Wiley, New Jersey, USA, 2012.
Rodríguez Núnez, Y. Métodos de Elementos finitos híbridos aplicados a escoamentos miscíveis em meios porosos heterogêneos, Tese de Doutorado, LNCC, 2014.
Schneider, A., Hommel, G. and Blettner, M. Linear regression analysis, part lf of a series on evaluation of scientific publications, Dtsch Arztebl Int, 107(44): 776-82, 2010. DOI: 10.3238/arztebl.2010.0776
