Revista de Petróleo y Biotecnología Ambiental

Abstracto

Pronóstico de producción de pozos de petróleo y gas basado en modelos de aprendizaje automático: el caso de campo Volve

Moreno Millán

Las técnicas actuales para predecir los caudales de producción de petróleo y gas a escala de pozo y yacimiento incluyen desde el análisis clásico de curvas de declinación hasta modelos de simulación numérica. El presente trabajo propone el uso de los siguientes Modelos de Aprendizaje Automático (MLM): Regresión Lineal (LR), Máquinas de Vectores de Soporte (SVM), Bosque Aleatorio (RF) y una Red Neuronal Artificial (ANN), como una alternativa a los métodos convencionales para pronosticar los caudales de producción de petróleo y gas. La aplicación de esta propuesta se demuestra con base en datos de producción registrados a lo largo de 8 años en pozos del campo Volve, ubicado en la plataforma continental noruega. De esta manera, se discuten los beneficios de cada MLM mencionado anteriormente, concluyendo con base en una experiencia práctica que no siempre el algoritmo más complejo es la mejor opción. Se demuestra que la alternativa de SVM produce mejores resultados, y también es un modelo más simple y fácil de implementar en comparación con las alternativas de RF o ANN.