El estudio técnico abordó la obtención de la velocidad de corte y parámetros elástico-geomecánico, utilizando redes neuronales.
La velocidad de ondas de corte y los parámetros elásticos como el módulo de Young, relación de Poisson, módulo volumétrico, módulo de corte y parámetro de Lamé; son insumos útiles y necesarios en el análisis de geomecánica del subsuelo.
Con esta información se generan diversas posibilidades de análisis del subsuelo; mientras se logra robustecer el espectro de decisiones durante las etapas de perforación y terminación de pozos petroleros. No obstante, la importancia de esta información en muchas ocasiones no se tiene disponible.
Para solucionar esta problemática, se han seleccionado y emulado de la literatura; varias correlaciones que aproximan el comportamiento de la velocidad de corte y los parámetros elásticos en el subsuelo. Sin embargo, no en todos los casos, se logra tener una aproximación aceptable con estas correlaciones.
De acuerdo con el estudio, con la aplicación de esta metodología fue posible generar los productos para la construcción de un modelo dinámico de geomecánica profunda; a partir de insumos comunes para la mayoría de los pozos estudiados, como son curvas de registros convencionales de rayos gamma, tiempo de tránsito y densidad volumétrica.
Te puede interesar: Tecnologías Multi-Acimut (MAz) en aguas profundas
Dicha información fue introducida en simulador de inteligencia artificial que resolvió con las redes neuronales entrenando primeramente con valores conocidos; y posteriormente, aplicando dicha lógica a los casos objetivo.
Con esta metodología, fue posible discretizar la velocidad de corte y los parámetros elásticos que forman parte del modelo geomecánico; optimizando con esto costos de consumo de horas/equipo generadas con adquisición de registros especializados como el sónico dipolar.
La metodología también permitió ampliar para la obtención otros parámetros de resistencia del medio roca- fluido, haciendo rentable la metodología en muchos aspectos.
De acuerdo con el estudio, la metodología empleada a partir del entrenamiento de las redes neuronales de velocidad de corte y parámetros elásticos fue satisfactoria; la cual es extensible a la obtención de otros parámetros de interés petrolero.
Se obtuvieron curvas de velocidad de corte y parámetros elásticos, con un promedio de 96% de exactitud contra datos medidos en campo; mientras los datos de prueba y los resultados también presentaron una correlación bastante aceptable con datos calculados.
También te puede interesar: Modelo de inyección de Agua de Baja Salinidad
La exactitud que surgió con redes neuronales, no había sido obtenida con ninguna correlación disponible en la literatura para ninguno de los parámetros.
Adicionalmente, se vislumbra como ventaja practica en el uso de esta técnica; que mediante el entrenamiento adecuado de una cantidad pequeña de datos, puede extrapolarse a áreas de grandes dimensiones con características similares.
Fueron puestas en práctica ciertas características para definir a las redes neuronales (adaptación, flexibilidad, la tolerancia a datos imperfectos); al someterlas a diferentes condiciones de cálculo, de diferentes paquetes de variables como se ha mostrado en este trabajo.
Con los resultados es posible integrar un modelo de geomecánica para cada pozo o pseudopozo en diferentes áreas de estudios a partir de relativamente poca información.
A partir del punto anterior, se pueden construir modelos tridimensionales ( ), que permitan definir en cualquier punto del espacio valores de elasticidad, resistencia, esfuerzos, etc.; esto de gran utilidad para contribuir a la identificación de zonas con las mejores características para la explotación de hidrocarburos.
Los ingenieros Daniel López Aguirre¸ Silvia Raquel García Benítez y Nicolás López Rubén presentaron el trabajo en la reciente edición del Congreso Mexicano del Petróleo (CMP).
