Documente Academic
Documente Profesional
Documente Cultură
E S TU D I O D E LA I N FL U E N C I A D E LA S
V A R I A B LE S Q U E A FE C TA N A U N
S I S TE M A I N T E G R A D O S U B S U E L O
S U P E R FI C I E P A R A P R O D U C C I Ó N D E
P E TR Ó LE O
Jurado Examinador
________________________________
Prof. Lic. Salvador Pintos
Asesor Académico
_______________________________
Prof. Ing. José Rincón
_______________________________
Prof. Ing. Juan J. González
ii
DEDICATORIA
A Dios, por haberme dado la vida y la familia que tengo, además de guiar el
camino para culminar la carrera de Ingeniería Mecánica.
A mi padre, Jesús. Gracias por los ideales que nos inculcaste desde niños.
A mis sobrinos: Vanessa, Andrés, Laura, Juan, Valeria y Valentina. Espero ser
un ejemplo para ustedes.
iii
AGRADECIMIENTO
A mis hermanos, Juan Antonio y Jesús Rodolfo, que han sido ejemplo
fundamental en mi vida.
A Luis Eduardo, quien ha sido un hermano más, siempre listo para apoyarme.
A mis amigos: Carmen, Silvia, Antonio, Andrés, Giovanni, Jesús y David, por
brindar su apoyo en todo momento.
iv
Resumen
RESUMEN
Una alternativa para mejorar esta situación es jerarquizar y manejar las variables
involucradas en el proceso de explotación y producción de petróleo, contribuyendo a
evitar grandes pérdidas de tiempo y dinero.
v
Índice General
INDICE GENERAL
Página
Aprobación ii
Dedicatoria iii
Agradecimiento iv
Resumen v
Indice General vi
Lista de Tablas ix
Capítulo I. Introducción 1
1.2 Objetivos 6
vi
Índice General
Glosario 106
Bibliografía 114
vii
Lista de Tablas
LISTA DE TABLAS
Tabla Nº Página
viii
Lista de Tablas
LISTA DE FIGURAS
Figura Nº Página
Diagrama con producción y nivel de agotamiento de yacimientos de
1.1 3
países petroleros incluyendo Venezuela
1.2 Composición de las reservas y del paquete de producción de PDVSA 3
1.3 Esquema del Sistema de Producción de Petróleo 5
Representación del sistema de producción en términos del modelo
4.1 19
OI2S
4.2 Ilustración de la ecuación de balance de masa 21
4.3 Ilustración de una curva IPR típica 21
Comportamiento típico de la presión de fondo fluyente necesaria para
4.4 26
el transporte de fluidos
4.5 Patrones de flujo multifásico en una tubería horizontal 26
4.6 Patrones de flujo en una tubería vertical 27
4.7 Estrangulador de Superficie tipo positivo 32
4.8 Raíces verdaderas y falsas del flujo másico residual 36
4.9 Representación esquemática de un separador 38
4.10 Diagrama de flujo del cálculo de fases 44
4.11 Red neuronal de tres capas 50
4.12 i-esima neurona de la j-esima capa 51
4.13 Descomposición de la variabilidad 59
4.14 Efecto individual sensible a valores extremos 59
4.15 Triángulos de proporcionalidad 60
5.1 Metodología para el modelo OI2S 66
Curvas del cuadrado del error medio (MSE) para los conjuntos de
5.2 71
entrenamiento y validación
5.3 Algoritmo de solución para el análisis de las variables 73
Gráfica del cuadrado del error medio mínimo para cada red con
5.4 77
diferente número de neuronas en la capa oculta
5.5 Descomposición de la variabilidad 78
5.6 Efecto individual sensible a valores extremos 78
Gráfica del cuadrado del error medio (MSE) vs. el número de iteración
7.1 para el entrenamiento de redes neuronales con 4 neuronas en la capa 88
oculta para el modelo sustituto del caso de Calibración
ix
Lista de Tablas
Gráfica del cuadrado del error medio (MSE) vs. el número de iteración
para el entrenamiento de redes neuronales con 6 neuronas en la capa
7.2 88
oculta para el modelo sustituto del tercer caso económico del caso de
Diseño
Gráfica del cuadrado del error medio (MSE) vs. el número de iteración
para el entrenamiento de redes neuronales con 5 neuronas en la capa
7.3 89
oculta para el modelo sustituto del primer caso económico del caso de
Operación
Magnitudes de los MSE óptimos en función del número de neuronas
7.4 90
en la capa oculta para el caso de Calibración
Magnitudes de los MSE óptimos en función del número de neuronas
7.5 en la capa oculta para el tercer escenario económico del caso de 90
Calibración
Magnitudes de los MSE óptimos en función del número de neuronas
7.6 en la capa oculta para el primer escenario económico del caso de 91
Calibración
Influencia relativa de las variables y del residual para el caso de
7.7 93
Calibración
Comportamiento del efecto individual respecto al intervalo de
7.8 definición de la permeabilidad del gas para el Valor Presente de los 94
ingresos (PV) del caso de Calibración
Influencia relativa de las variables y del residual para el COP del
7.9 96
tercer escenario económico del caso de Calibración
Comportamiento del efecto individual respecto al intervalo de
7.10 definición de la tasa de producción de petróleo para el COP del tercer 96
escenario económico del caso de Calibración
Influencia relativa de las variables y del residual para el PV del tercer
7.11 98
escenario económico del caso de Diseño
Comportamiento del efecto individual respecto al intervalo de
7.12 definición de la tasa de producción de petróleo para el PV del tercer 98
escenario económico del caso de Diseño
Influencias relativas de las variables y del residual para el primer caso
7.13 100
económico del caso de Operación
Comportamiento del efecto individual respecto al intervalo de
7.14 definición de la tasa de producción de petróleo para el COP del primer 101
escenario económico del caso de Calibración
x
Capítulo I.- Introducción
CAPÍTULO I
INTRODUCCIÓN
ðPlanteamiento y
Justificación del
Problema.
ðObjetivos General y
Específicos.
ðAlcance y
Delimitación.
ðEstructura del
trabajo.
1
Capítulo I.- Introducción
1
Queipo, N. V. “Optimización Efectiva de Sistemas Complejos: Aplicaciones en la Industria Petrolera”.
Trabajo de Ascenso. Universidad del Zulia. Facultad de Ingeniería. Septiembre 2000.
2
Capítulo I.- Introducción
Fig. 1.1 – Diagrama con producción y nivel de agotamiento de yacimientos de países petroleros
incluyendo Venezuela.
3
Capítulo I.- Introducción
4
Capítulo I.- Introducción
5
Capítulo I.- Introducción
1.2.- OBJETIVOS.
− OBJETIVO GENERAL.
− OBJETIVOS ESPECÍFICOS.
6
Capítulo I.- Introducción
ü Capítulo IV, Marco Teórico, describe en detalle los componentes del modelo
OI2S y los correspondientes algoritmos de trabajo. Continua con una
introducción a las redes neuronales tipo perceptrón multicapa, como opción
para obtener modelos sustitutos. Finalmente presenta la teoría desarrollada
para el Análisis de Varianza (ANOVA) extendido a variables continuas que se
desea aplicar al sistema.
ü Capítulo VI, Estudio de casos, presenta los casos que serán evaluados, con
las variables que participan en el proceso y sus restricciones operacionales.
7
Capítulo II.- Formulación del Problema
CAPÍTULO II
FORMULACIÓN
DEL PROBLEMA
ðFormulación.
ðProblemas.
− Calibración.
− Diseño.
− Operación.
8
Capítulo II.- Formulación del Problema
donde, entre otras, Q es la tasa de producción del sistema; Pres. es la presión del
yacimiento; Dtubing, el diámetro de la tubería del pozo; Dchoke, el diámetro de la válvula
de estrangulamiento; Dflowline, es el diámetro de la tubería horizontal, y Psep, es la
presión del separador. Modificándolas se observan cambios en el comportamiento
del pozo, razón por la cual el ingeniero debe acumular el mayor conocimiento posible
para su manejo. Esto es importante para propósitos de diseño y operación,
permitiéndole tomar decisiones acertadas en el desarrollo o la evaluación de un
pozo.
9
Capítulo II.- Formulación del Problema
ai ≤ xi ≤bi i = 1,..., p
p bj
Ω i≠ j aj
Ve j ( x j )
Se define como Influencia Relativa la relación , y de su estudio es posible
VT
inferir las respuestas a las interrogantes antes mencionadas.
10
Capítulo II.- Formulación del Problema
11
Capítulo III.- Revisión Bibliográfica
CAPÍTULO III
REVISIÓN
BIBLIOGRÁFICA
ðModelo OI2S.
ðAnálisis de la
influencia relativa.
12
Capítulo III.- Revisión Bibliográfica
AUTOR(ES) PROPIEDAD(ES)
Vásquez y Beggs[1] − Gravedad Específica del Petróleo a la Presión
del Separador, (γgs).
− Tasa de gas en solución, (Rs).
− Factor de Formación de Volumen del petróleo,
(Bo).
− Viscosidad del Petróleo para presiones
superiores a la Presión de Burbujeo (µo).
Beggs y Robinson[2] − Viscosidad muerta del Petróleo, (µod).
− Viscosidad del Petróleo, para presiones hasta la
Presión de Burbujeo, (µo).
Sutton[3] − Factor de Compresibilidad, (Z).
Smith[4] − Factor de Formación de Volumen del gas, (Bg).
Lee, González y Eakin[5] − Viscosidad del Gas, (µg).
13
Capítulo III.- Revisión Bibliográfica
14
Capítulo III.- Revisión Bibliográfica
15
Capítulo III.- Revisión Bibliográfica
16
Capítulo IV.- Marco Teórico
CAPÍTULO IV
ð Modelo OI2S.
MARCO TEÓRICO
- Yacimiento.
- Flujo en Tuberías.
- Estrangulador de
Superficie.
- Separador.
- Modelo económico.
ð Análisis de la
influencia relativa.
17
Capítulo IV.- Marco Teórico
La segunda parte del estudio permite obtener los principios para el desarrollo de
un modelo sustituto del OI2S, facilitando el análisis de las variables. Se exponen así
los principios de las redes neuronales, algoritmos de solución que permiten generar
los modelos sustitutos a partir del original.
Por último, la tercera parte está integrada por los principios del Análisis de
Varianza (ANOVA) extendida a variables continuas, que permite desarrollar el
análisis de la influencia relativa de las variables del modelo.
126 18
Capítulo IV.- Marco Teórico
Sistema de Producción
Modelo de OI2S
Modelo del Modelo de Tubería Modelo del Modelo
Estrangulador Horizontal Separador Económico
Modelo de Tubería
Vertical
Modelo del
Yacimiento
Figura 4.1 - Representación del sistema de producción en términos del modelo de OI2S.
126 19
Capítulo IV.- Marco Teórico
MODELO DE YACIMIENTO.
∂m _
+ q = 0 (4.1)
∂t
126 20
Capítulo IV.- Marco Teórico
q
Pwf
Pwf1
Pwf2
Pwf3
q q q
1 2 3 qo
[ ]
PR
k RO ln( re / rw ) − 0 . 75 + S + Dq O
Pwf
∫ µ
O BO
dP = q O
2 π Kh
(4.2)
donde:
qO : Tasa de producción de petróleo
PR : Presión promedio del yacimiento
K : Permeabilidad absoluta
h : Altura del estrato productivo
re : Radio de drenaje
rw : Radio del pozo
126 21
Capítulo IV.- Marco Teórico
φS O ρO S
V (4.3)
Masa de Petróleo: BO
φS G ρG S φS O RS ρG S
+ V (4.4)
Masa de Gas: BG BO
donde:
V : Volumen del yacimiento
φ : Porosidad
SO : Saturación de la fase de petróleo
SG : Saturación de la fase de gas
BO : Factor volumétrico de formación del petróleo
BG : Factor volumétrico de formación del gas
RS : Relación de la solubilidad gas – petróleo
ρOS : Densidad del petróleo a condiciones estándar
ρGS : Densidad del gas a condiciones estándar
126 22
Capítulo IV.- Marco Teórico
∆N P = q O * ∆t (4.5)
E. Se estiman las propiedades del hidrocarburo (BO,BG, RS, µO, µG) para la fase
líquida y gaseosa a la nueva presión del yacimiento.
F. Se calcula la nueva saturación del petróleo (nivel de tiempo k), a partir del
cambio de la masa del fluido en el yacimiento.
φS ρ S φS O ρO S
V O O − = ∆N P (4.6)
BO BO
k − 1 k
S G = 1.0 − ( S O + SW ) (4.7)
k RO = f ( S G )
(4.8a y 4.8b)
k RG = f ( S G )
126 23
Capítulo IV.- Marco Teórico
1 k RG µ O BO k RG µ O BO
∆G P = ∆N P * ρG S
+ RS
+ ρG S
+ RS
(4.9)
2
k RO µ G BG k − 1 k RO µ G BG k
Una vez ejecutada la simulación del modelo de OI2S, el modelo del yacimiento
ofrece:
Tabla 4.1 - Correlaciones para las propiedades del petróleo según autores
126 24
Capítulo IV.- Marco Teórico
126 25
Capítulo IV.- Marco Teórico
Pwf
Figura 4.4 – Comportamiento típico de la presión de fondo fluyente necesaria para el transporte de fluidos
126 26
Capítulo IV.- Marco Teórico
A. Se establece:
B. Se calcula la presión del cabezal del pozo, mediante el cálculo de las caídas
de presión a lo largo de la tubería vertical desde el fondo del pozo, considerando el
cambio de las propiedades de los fluidos con respecto a la presión.
Pe
qgas Tramo Ps
qoil
126 27
Capítulo IV.- Marco Teórico
El procedimiento para estimar las caídas de presión en una tubería esta basado
en las correlaciones experimentales presentadas por Beggs y Brill[14] (1973)
aplicables para cualquier ángulo de inclinación de la tubería. El algoritmo de solución
es el siguiente:
1 2 3 - - N
126 28
Capítulo IV.- Marco Teórico
a) Condiciones de Operación.
b) Modelo de flujo en tubería vertical (VLP).
c) Modelo del Estrangulador de Superficie.
d) Modelo de flujo en tubería horizontal (HP).
a) Condiciones de Operación.
Las condiciones de operación del sistema de transporte tales como, tasa diaria
de producción de petróleo y gas, presión a la entrada del separador, y las
propiedades de los fluidos en el yacimiento tales como gravedad API y presión de
fondo fluyente son introducidas como datos de entrada en este componente.
Además, se puede establecer el sentido para calcular las caídas de presión a lo largo
del sistema de tuberías, considerando si se comienza a partir de las condiciones del
flujo en el fondo del pozo hasta la entrada del separador (hacia delante), o viceversa
(hacia atrás).
126 29
Capítulo IV.- Marco Teórico
Suposiciones.
Suposiciones.
Ø Flujo unidimensional.
Ø Velocidades de la fase iguales en la garganta.
Ø Calidad de la mezcla constante para procesos de alta velocidad (No existe
transferencia de masa entre las fases).
Ø Fase líquida incompresible.
126 30
Capítulo IV.- Marco Teórico
Suposiciones.
Prácticamente todos los pozos utilizan alguna forma de restricción para regular la
tasa de flujo. Generalmente, un estrangulador de superficie es colocado
inmediatamente después del cabezal del pozo. Existen dos tipos de estranguladores:
positivos y ajustables.
126 31
Capítulo IV.- Marco Teórico
Para flujo crítico, la tasa de flujo a través del estrangulador alcanza un valor
máximo con respecto a las condiciones aguas arriba y los fluidos a través del
dispositivo igualan la velocidad del sonido. Esto implica que el flujo se encuentra
“estrangulado” y que las perturbaciones aguas arriba no se propagan aguas abajo; lo
opuesto también es cierto.
126 32
Capítulo IV.- Marco Teórico
Para flujo subcrítico, la velocidad del fluido a través del estrangulador es menor a
la velocidad del sonido, y la tasa de flujo depende de la caída de presión en el
dispositivo y los cambios en la presión aguas arriba afectan la presión aguas abajo.
126 33
Capítulo IV.- Marco Teórico
k
k (1 − x )⋅V L ⋅(1 − YC ) k − 1
+
k− 1 x ⋅VG1
YC = 2
(4.13)
k n n ⋅(1 − x )⋅V L n (1 − x )⋅V L
k − 1 + 2 + x ⋅ V
+ ⋅
2 x ⋅VG 2
G 2
donde,
k : Relación de calores específicos, Cp/Cv
n : Exponente politrópico para gas.
VL : Volumen específico de líquido, ft3/lbm
VG1 : Volumen específico de gas a la entrada, ft3/lbm
VG2 : Volumen específico de gas a la salida, ft3/lbm
x : Calidad del gas libre.
YC : relación de presiones crítica, salida sobre entrada, y
1
−
VG 2 = VG1 ⋅YC k
(4.14)
(1 − x )⋅(1 − YC ) x ⋅k
0.5
GC = C D ⋅2 ⋅gc ⋅144 ⋅P1 ⋅ρ m2 2 ⋅ + ⋅(VG1 − YC ⋅VG 2 ) (4.15)
ρL k− 1
−1
=
−
k + (1 − x )⋅V
1
ρm 2 x ⋅V ⋅Y L (4.16)
G 1 C
donde:
CD : Coeficiente de descarga, CD = 0.75
GC : Flujo de masa crítico, lbm / ft 2 ⋅sg
P1 : Presión a la entrada, psia.
ρm2 : Densidad de la mezcla en la salida, lbm/ft3
ρL : Densidad de líquido, lbm/ft3
126 34
Capítulo IV.- Marco Teórico
ρG ⋅QG + ρ L ⋅QL
G1 = (4.17)
π ⋅DCH
2
4
donde:
DCH : Diámetro del estrangulador, ft.
G1 : Flujo de masa en la entrada, lbm / ft 2 ⋅sg
QG : Flujo volumétrico de gas, ft3/sg
QL : Flujo volumétrico de líquido, ft3/sg
ρG : Densidad de gas, lbm/ft3
Se compara el flujo de masa aguas arriba con el flujo de masa crítico. Si el flujo
de masa a la entrada es mayor que el flujo de masa crítico, G1 ≥ GC , entonces
estamos en la región de flujo crítico y la máxima presión aguas arriba es:
P2 = YC ⋅P1 (4.18)
G1 − G2 = 0 (4.19)
(1 − x )⋅(1 − YS ) x ⋅k
0.5
G 2 = C D ⋅2 ⋅gc ⋅144 ⋅P1 ⋅ρm2 2 ⋅ + ⋅(VG1 − YS ⋅V G 2 ) (4.20)
ρL k− 1
donde:
CD : Coeficiente de descarga, CD = 0.75
gc : constante gravitacional, 32.2 lbm ⋅ ft lbf ⋅sg 2
G2 : Flujo de masa en la salida, lbm / ft 2 ⋅sg
126 35
Capítulo IV.- Marco Teórico
P2 = YS ⋅P1 (4.21)
126 36
Capítulo IV.- Marco Teórico
Suposiciones.
Ø Flujo unidimensional.
Ø Velocidades de la fase iguales en la garganta.
Ø Calidad de la mezcla constante para procesos de alta velocidad
(No existe transferencia de masa entre las fases).
Ø Fase líquida incompresible.
126 37
Capítulo IV.- Marco Teórico
Se simula a través de los cálculos de fase, que tienen como datos de entrada la
composición de la mezcla, la presión y temperatura de operación del separador, y
como resultado, el número de fases presentes, las relaciones de equilibrio de las
fases resultantes, y la composición de cada fase (Abhvani & Beaumont[16], 1987;
Henly[17], 1981; Nghiem et al.[18], 1983).
126 38
Capítulo IV.- Marco Teórico
Yi
Ki = (4.22)
Xi
A.1 Para una primera estimación de las relaciones de equilibrio se utiliza una
correlación empírica, la ecuación de Wilson (1962),
1
exp 5.37(1 + ω i )
T
1 −
ri
Ki = (4.23)
Pri
donde,
ω i : Factor acéntrico del componente i, (Pitzer et al.[20], 1955).
P
Pri : Presión reducida del componente i, Pri = , Pci : Presión crítica.
Pci
T
Tri : Temperatura reducida del componente i, Tri = , Tci : Temperatura
Tci
crítica.
126 39
Capítulo IV.- Marco Teórico
Z i (K i − 1)
g (V )= ∑ (Yi − X i )= ∑
n n
=0 (4.24)
i =1 i =1 1 + V (K i − 1)
Z i (1 − K i )
f (L )= ∑
n
=0 (4.25)
i =1 L + (1 − L )K i
Si g(0) > 0 y g(1) < 0 existirán dos fases (líquido y gas). Utilizando el método de
Newton-Raphson para resolver la ecuación de Rachford-Rice, se determina el valor
de la fracción de líquido (L) de la siguiente manera,
f ( Lk )
Lk + 1 = Lk − (4.26)
∂f
∂L Lk
(
1. abs Lk + 1 − Lk < ε) (4.27)
( )
2. f Lk + 1 < ε (4.28)
V = 1− L (4.29)
A.3 Se determinan las composiciones de las fases líquido y gas calculando las
fracciones molares de cada componente en cada fase,
126 40
Capítulo IV.- Marco Teórico
Zi
Xi = , i = 1...n (4.30)
[1 + V (K i − 1)]
Fracción molar en fase líquido del componente i.
K i ⋅Z i
Yi = , i = 1...n (4.31)
[1 + V (K i − 1)]
Fracción molar en fase gas del componente i.
R ⋅Tci R 2 ⋅Tci2
bi = 0.08664 ai = 0.42747 (4.33) y (4.34)
Pci Pci
[ (
α i = 1 + mi 1 − Tri
0.5
)]
2
mi = 0.48 + 1.574ω i − 0.176ω i
2
(4.35) y (4.36)
donde kij son los parámetros de interacción binaria, estos parámetros cuando todos
los componentes son hidrocarburos, son iguales a cero.
126 41
Capítulo IV.- Marco Teórico
( )
z 3 − z 2 + A − B − B 2 z − A ⋅B = 0 (4.41)
(aα )m P
A= (4.42)
R 2 ⋅T 2
bm ⋅P
B= (4.43)
R ⋅T
(aα )i 2
1
A bi
ln φi = ( z − 1)− Ln ( z − B )+ − 2
bi
Ln1 + B
(4.44)
bm B bm (aα )m z
las fugacidades parciales están dadas por,
126 42
Capítulo IV.- Marco Teórico
f i = X i⋅φi ⋅P (4.45)
2
f
∑ i ,L − 1 < ε (4.46)
i f i ,V
φi ,L
Ki = (4.47)
φi ,V
MODELO ECONÓMICO.
126 43
Capítulo IV.- Marco Teórico
INICIO
Datos de entrada:
• Presión de operación del separador
• Temperatura de operación del separador
• Composición de la mezcla.
Solo Líquido
Si Para k = 1 :
g(0) < 0 V = 0.5 , L = 0.5
Para k > 1 :
V = 0 , L = 1.0
No
Solo Gas
Si Para k = 1 :
g(1) > 0 V =0.5 , L = 0.5
Para k > 1 :
V = 1.0 , L = 0
No
β α
126 44
Capítulo IV.- Marco Teórico
β α
Criterio de
Convergencia
φ
2
f
Ki = i ,L No
∑ i,L − 1 < ε
φi ,V i fi ,V
Fin
126 45
Capítulo IV.- Marco Teórico
[ ]
n
VPIng = ∑ VPIng i -1 + ∆COPi ⋅S ⋅D n (4.48)
i =2
1 (4.49)
D=
ia
1+
n
a
126 46
Capítulo IV.- Marco Teórico
∑ (VP )
n
VPCOper = COper1 + COper i ⋅IncOp ⋅D n (4.51)
i =2
126 47
Capítulo IV.- Marco Teórico
Suposiciones.
Se calcula solo el valor presente de los ingresos (i.e. no se consideran los costos
en el proceso de producción).
Para facilitar el análisis de las variables del modelo se utilizan las redes
neuronales, que permiten imitar el sistema de una manera muy aproximada. Una
vez entrenadas las redes, el calculo de la influencia de las variables que intervienen
en el modelo se hace mucho más sencillo.
126 48
Capítulo IV.- Marco Teórico
Los procesos tratados con redes neuronales pueden ser complejos por: un alto
número de variables, incertidumbre en sus valores, complejas relaciones entre ellas,
o no resultar práctico construir modelos basados en ecuaciones diferenciales o
algebraicas. Entre sus aplicaciones podemos contar con la solución de problemas
para tareas como: la aproximación de procesos a partir de datos y/o conocimientos, o
el análisis de data compleja y reconocimiento de patrones.
La primera capa denominada capa de entrada está compuesta por unidades que
no desarrollan ningún procesamiento de la información, simplemente distribuyen las
entradas Ii a todas las neuronas en la próxima capa. La ultima capa es la capa de
salida. Entre las capas de salida y entrada pueden existir varias capas denominadas
126 49
Capítulo IV.- Marco Teórico
1
I1 O1[2]
1 1
2
. .
. .
. .
On[2]
IN N1 n
CAPA DE N2 CAPA DE
ENTRADA SALIDA
CAPA ESCONDIDA
Se puede demostrar que una red neuronal con sólo una capa intermedia de
2N1+1 neurona puede aproximar cualquier función con precisión arbitraria.
[ j] N [ j] [ j]
Si = ∑ W I + b (4.48)
ik k i
k =1
donde b
[ j ] es el termino umbral de la neurona. Este término no necesita
i
aparecer explícitamente porque puede ser interpretado como un peso asociado con
una entrada constante uno.
[ j] [ j]
O = σ (S ) (4.49)
i i
126 50
Capítulo IV.- Marco Teórico
I1 Wi1[ j ] Oi[ j ]
. .
. Neurona .
. i .
. .
IN
. WiN[ j ] Oi [ j ]
Entradas Salidas
1
σ ( x) = cuyo recorrido es [0,1] (4.50)
1+ e− x
σ ( x) = tanh( x) cuyo recorrido es [-1,1] (4.51)
Algoritmos de aprendizaje.
El entrenamiento de una red neuronal consiste en conseguir un vector de pesos
W que minimice el error cuadrado medio, en la capa de salida de la red:
N
1
J (W ) = ∑ ~
y i − yi
2
(4.52)
N i =1
∆W = − η∇ J (W ) (4.53)
126 51
Capítulo IV.- Marco Teórico
donde δk[ j ] es un término de error que se calcula de manera diferente para unidades
Para una red neuronal de tres capas con N1 neuronas en la capa de entrada, N2
neuronas en la capa oculta y N3 neuronas en la capa de salida, δi[ j ] es:
δi[ 2] = ( ~
y i − yi )σ ' ( S i[ 2 ] ) para 1 ≤i ≤ N 3 (4.55)
126 52
Capítulo IV.- Marco Teórico
anterior en el peso como un parámetro para calcular el cambio actual. Este termino
evita las oscilaciones que son comunes con el algoritmo de retropropagación, cuando
el área en la que se encuentra el mínimo de la superficie del error es muy angosta.
Por otra parte, el método Levenberg – Marquardt minimiza una función utilizando
de manera combinada el algoritmo de retropropagación y el método de la inversa de
la matriz Hessiana. Se utiliza retropropagación cuando se está alejado del mínimo, y
se cambia al segundo método a medida que la búsqueda se aproxima al mismo. Los
métodos de entrenamiento mencionados utilizan el calculo del gradiente para
minimizar una función de error, por lo que tienden a quedar atrapados en mínimos
locales de la función objetivo.
126 53
Capítulo IV.- Marco Teórico
126 54
Capítulo IV.- Marco Teórico
interacciones, efectos cuadráticos, entre otros, que no son contemplados por los
efectos individuales.
F ( x , x ,..., x ) (4.58)
1 2 p
donde cada variable xi (i = 1,2,... ,p) está definida en un intervalo [aj,bj] (j = 1,2,... ,p).
∫∫∫ F ( x 1 , x 2 ,..., x
p
) dx
1
dx
2
... dx
p
m = Ω (4.59)
VOL
126 55
Capítulo IV.- Marco Teórico
Para promediar las variables restantes para un valor dado de xi, se excluye de la
integral sólo la variable cuyo efecto principal se determina, dividiendo por el volumen
asociado para que sea un valor medio.
126 56
Capítulo IV.- Marco Teórico
p
F (x ,x ,...,x ) − m = ∑ (e i (x i ) − m ) + res (x 1 ,x 2 ,...,x p ) (4.64)
1 2 p
i =1
p
(F (x ,x ,...,x ) − m)2 = ∑ (e (x ) − m )2 + res (x ,x ,...,x )2 + dobleproductos (4.65)
1 2 p i i 1 2 p
i =1
2
∫∫∫(F(x1,x2 ,...,x p ) − m) dx1dx2...dx p =
O
p
2
∑ ∫∫∫(ei(xi ) − m)2 dx1dx2 ...dx p + ∫∫∫res(x1,...,x p ) dx1dx2 ...dx p (4.66)
i = 1O O
126 57
Capítulo IV.- Marco Teórico
p
Vei ( xi ) Vres
1= ∑ + (4.68)
i =1 VT VT
Vei ( xi )
Iri = .100 (4.69)
VT
n
IrT = ∑ Iri (4.70)
i =1
El estudio de cada uno de los efectos principales permite establecer los cambios
en la respuesta media para distintos valores de una variable dentro de su intervalo de
definición. Dicho análisis incluye la optimización de la respuesta media, que puede
ser de alta significación, aunque debe hacerse la salvedad de que el óptimo local de
cada efecto principal no conduce necesariamente a la optimización global del
modelo. Por ejemplo, en la figura 4.14 se observa que el modelo sólo es sensible a
valores extremos de la variable xi.
126 58
Capítulo IV.- Marco Teórico
ei(xi)
ai xi bi
Figura 4.14 – Efecto individual sensible a valores extremos
126 59
Capítulo IV.- Marco Teórico
F ( x, y ) (4.71)
[aj,bj] (4.72)
Donde:
a : Límite inferior.
b : Límite superior.
x : Valor cualquiera del intervalo [a,b].
v : Valor correspondiente en el intervalo de
normalización [0,1].
1
v= ( x − ax ) (4.73)
(bx − a x )
126 60
Capítulo IV.- Marco Teórico
1
z= (z − ay ) (4.74)
(by − a y )
Para definir los límites de las integrales con los intervalos de normalización se
debe realizar un cambio de variable en las ecuaciones para el ANOVA anteriores,
x = a x + (bx − a x )v
(4.75 y 4.76)
y = a y + (b y − a y ) z
∂( x, z ) (bx − a x ) 0
=
(by − a y )
(4.77)
∂(v, z ) 0
Por definición ax < bx y ay < by, además a y b para cada caso son positivos, de
manera que el determinante se puede expresar como,
De esta manera se pueden realizar los cambios en las definiciones del análisis
de varianza para variables continuas, iniciando con la media global como,
126 61
Capítulo IV.- Marco Teórico
1 1
1
∆∫ ∫F ( x, y)dxdy = ∫∫
m= F (v, z )dvdz (4.80)
Ω 0 0
by 1
1
(by − a y ) a∫
e1 ( x) = F ( x, y )dy = ∫F (v, z )dz = e1 (v) (4.81)
y 0
1 1
VT = ∫∫[ F ( x, y ) − m]2 dxdy = ∆ ∫∫[ F (v, z ) − m]2 dvdz (4.82)
Ω 0 0
donde se multiplica la nueva variabilidad por ∆dvdz como resultado del cambio de
variable.
126 62
Capítulo IV.- Marco Teórico
En caso de existir mas de dos variables la ecuación sigue siendo una integral
sencilla, al depender sólo del efecto principal de cada variable, definida en función de
una de ellas, y el resto de las integrales como la diferencia de los límites de
integración que multiplican, como una constante, a la integral de la función que se
evalúa.
Luego, resta calcular las Influencias Relativas Individuales y la Total del modelo
que se analiza, sin importar el caso evaluado, con la ecuación (4.69) ya definida.
Así se demuestra que la influencia relativa individual para cualquier caso, original
o normalizado, es igual.
126 63
Capítulo V.- Marco Metodológico
CAPÍTULO V
MARCO
METODOLÓGICO
ð Metodología de
Solución y
Evaluación.
- Modelo OI2S.
- Modelo Sustituto.
- Análisis de la
influencia de las
variables.
126 64
Capítulo V.- Marco Metodológico
Por otra parte, la respuesta está compuesta por dos valores: la Producción
Acumulada de Petróleo (COP) y el Valor Presente de los ingresos (PV).
65
Capítulo V.- Marco Metodológico
Debido a los múltiples cálculos iterativos que se deben realizar para obtener el
análisis de las variables del modelo de simulación, se utiliza un modelo sustituto que
permita facilitar el análisis. El entrenamiento de redes neuronales representa una
opción atractiva para solventar este planteamiento. Para su desarrollo se presentan
datos de entrenamiento, validación y prueba, que deben contener información
representativa de la entrada y salida del modelo OI2S.
66
Capítulo V.- Marco Metodológico
donde:
PE : Patrones de entrenamiento.
WT : Número total de pesos.
W1 : Número de pesos entre la capa de entrada, la capa oculta y el Bias.
W2 : Número de pesos entre la capa oculta, la capa de salida y el Bias.
Ce : Número de neuronas en la capa de entrada.
Co : Número de neuronas en la capa oculta o intermedia.
Cs : Número de neuronas en la capa de salida.
α : Porcentaje de aumento.
67
Capítulo V.- Marco Metodológico
68
Capítulo V.- Marco Metodológico
Este proceso de inicialización se debe realizar como mínimo tres veces, lo que
garantiza que los conjuntos de pesos iniciales para el entrenamiento sean diferentes
y aleatorios permitiendo acercarse al mínimo global del modelo.
Algoritmo de entrenamiento.
69
Capítulo V.- Marco Metodológico
Las curvas se trazan con los valores del cuadrado del error medio (MSE), para
ambos conjuntos de datos, deteniendo el entrenamiento en el punto que se indica y
almacenando los pesos correspondientes. El procedimiento se ejecuta para varios
pesos iniciales con un número similar de neuronas en la capa oculta, escogiendo los
que aporten el menor MSE de entrenamiento.
70
Capítulo V.- Marco Metodológico
MSE
Validación
Entrenamiento
Iteraciones de Entrenamiento
Figura 5.2 – Curvas del cuadrado del error medio (MSE) para los conjuntos de entrenamiento y validación
71
Capítulo V.- Marco Metodológico
ð trainlm, permite entrenar una red neuronal hacia delante con el método
Levenberg – Marquardt. Esta función puede ser invocada con 1, 2 o 3
conjuntos de pesos y Bias para entrenar redes hacia delante con más de 3
capas.
ð simuff, es una función que permite simular redes neuronales hacia delante
con más de 3 capas, estableciendo los patrones de entrada, conjuntos de
pesos, Bias y función de transferencia.
72
Capítulo V.- Marco Metodológico
∫∫∫ F ( x 1 , x 2 ,..., x
p
) dx
1
dx
2
... dx
p
m = Ω
VOL
73
Capítulo V.- Marco Metodológico
p bj
Ω j ≠i aj
Ve i ( xi ) n
Iri =
VT
.100 Irres = 100 − ∑ Ir i
i =1
Valores utilizados para trazar los gráficos de barras al comparar las influencias.
74
Capítulo V.- Marco Metodológico
En esta sección se presentan los criterios de evaluación para los resultados del
entrenamiento de las redes neuronales y del análisis de la influencia de las variables
sobre el modelo OI2S.
75
Capítulo V.- Marco Metodológico
Para el caso del entrenamiento de una red se grafican los diferentes valores del
cuadrado del error medio (MSE) para los conjuntos de entrenamiento y validación,
como se muestra en la figura 5.2 anterior. De esta manera, se escogen los pesos en
los que la red posea el menor MSE de validación según el criterio de parada.
76
Capítulo V.- Marco Metodológico
MSE
Figura 5.4 – Gráfica del cuadrado del error medio mínimo para cada red con diferente
número de neuronas en la capa oculta.
Por otra parte, los criterios de evaluación para el análisis de la influencia de las
variables se presenta como:
77
Capítulo V.- Marco Metodológico
El comportamiento del efecto individual de las variables, a lo largo de los valores del
intervalo de restricción, se representa en gráficas que muestran las tendencias que se puedan
presentar. Con estas se pueden determinar los efectos sobre el modelo. Por ejemplo, en la
figura 5.6 se observa que el modelo sólo es sensible a valores extremos de la variable xj.
ei(xi)
ai xi bi
Figura 5.6– Efecto individual sensible
78
Capítulo V.- Marco Metodológico
CAPÍTULO VI
ESTUDIO DE
CASOS
ð Calibración.
ðDiseño.
ðOperación.
79
Capítulo VI.- Estudio de Casos
80
Capítulo VI.- Estudio de Casos
Tabla 6.2. Escenarios de Producción para los casos estudiados de diseño y operación.
1 10 30 5
2 20 10 5
3 10 30 10
4 20 10 10
81
Capítulo VI.- Estudio de Casos
82
Capítulo VI.- Estudio de Casos
83
Capítulo VI.- Estudio de Casos
Tabla 6.5 – Valores constantes durante la simulación para los parámetros del modelo
PARÁMETRO VALOR
Parámetros de Yacimiento
Presión Inicial (psi): 4000
Saturación Inicial del Petróleo (%): 0.80
Saturación Inicial del Agua (%): 0.10
Porosidad (%): 0.30
Dimensión del Yacimiento en x (ft): 2500
Dimensión del Yacimiento en y (ft): 2500
Dimensión del Yacimiento en z (ft): 50
Gravedad API (adim): 20
Skin Factor (adim): Introduzca 5 valores en el Tiempo [0 0 0 0 0]
Permeabilidad absoluta (md): 100
Parámetros de Tubería
Diámetro de la Tubería Vertical (in): 0.3
Longitud de la Tubería Vertical (ft): 4000
Diámetro del Estrangulador (in): 0.1
Diámetro de la Tubería Horizontal (in): 0.3
Longitud de la Tubería Horizontal (ft): 1000
Parámetros del Separador
Presión del Separador (psia): 150
Temperatura del Separador (°F): 75
Parámetros Económicos
Número de Periodos de Composición por año (per/año): 12
Tasa de Interés Anual (%) : 10
Precio del Barril de Petróleo ($): 25
Horizonte de Producción (años): 5
84
Capítulo VII.- Análisis y discusión de resultados
CAPÍTULO VII
ANÁLISIS Y
DISCUSIÓN DE
RESULTADOS
ðModelo OI2S.
ðAnálisis de la
influencia relativa.
85
Capítulo VII.- Análisis y Discusión de Resultados
Tabla 7.1 – Dimensiones de los conjuntos de la red neuronal para el caso de Calibración
Tabla 7.2 – Dimensiones de los conjuntos de la red neuronal para el caso de Diseño
86
Capítulo VII.- Análisis y Discusión de Resultados
Tabla 7.3 – Dimensiones de los conjuntos de la red neuronal para el caso de Operación
87
Capítulo VII.- Análisis y Discusión de Resultados
0
10
MSE
-1
10
-2
10
-3
10
-4
10
- Entrenamiento
- - Validación
-5
10
-6
10
0 5 10 15 20 25 30 35 40
Número de Iteración
Figura 7.1 – Gráfica del cuadrado del error medio (MSE) vs. el número de iteración para
el entrenamiento de redes neuronales con 4 neuronas en la capa oculta para el modelo
sustituto del caso de Calibración.
0
10
MSE
-1
10
-2
10
-3
10
-4
10
- Entrenamiento
- - Validación
-5
10
-6
10
0 5 10 15 20 25 30 35 40
Número de Iteración
Figura 7.2 – Gráfica del cuadrado del error medio (MSE) vs. el número de iteración para el
entrenamiento de redes neuronales con 6 neuronas en la capa oculta para el modelo
sustituto del tercer escenario económico del caso de Diseño.
88
Capítulo VII.- Análisis y Discusión de Resultados
0
10
MSE
-1
10
-2
10
-3
10
-4
10
- Entrenamiento
- - Validación
-5
10
-6
10
0 5 10 15 20 25 30
Número de Iteración
Figura 7.3 – Gráfica del cuadrado del error medio (MSE) vs. el número de iteración para el
entrenamiento de redes neuronales con 5 neuronas en la capa oculta para el modelo sustituto
primer escenario económico del caso de Operación.
En las Figuras 7.4, 7.5 y 7.6 se muestran gráficas representativas de los MSE
para los conjuntos de entrenamiento, validación y prueba que resultaron del
entrenamiento de las redes neuronales para los casos de calibración, diseño y
operación anteriores. Con estos valores se determina el número de neuronas óptimo
para cada caso. Nótese que el comportamiento es parecido al presentado en el
entrenamiento de las redes, mejorando siempre para el conjunto de entrenamiento a
diferencia de la validación.
Las nomenclaturas MSEe, MSEv y MSEp están relacionadas con los errores de
los conjuntos de entrenamiento, validación y prueba, respectivamente.
89
Capítulo VII.- Análisis y Discusión de Resultados
7,00E-03
6,00E-03
5,00E-03
4,00E-03
MSEe
MSE
MSEv
MSEp
3,00E-03
2,00E-03
1,00E-03
0,00E+00
2 3 4 5 6 7 8 9 10 11
MSEe 2,97E-03 8,17E-04 6,25E-04 3,09E-04 3,27E-04 2,44E-04 1,03E-04 1,21E-04 2,28E-04 1,73E-04
MSEv 6,33E-03 2,06E-03 1,44E-03 1,03E-03 9,26E-04 4,68E-04 4,87E-04 4,49E-04 5,49E-04 6,49E-04
MSEp 2,17E-03 6,33E-04 4,97E-04 6,87E-04 5,34E-04 4,09E-04 1,28E-03 3,85E-04 5,04E-04 7,17E-04
Neuronas en Co
Figura 7.4 – Magnitudes de los MSE óptimos en función del número de neuronas en la capa oculta
para el caso de Calibración.
1,20E-02
1,00E-02
8,00E-03
MSEe
MSE
6,00E-03 MSEv
MSEp
4,00E-03
2,00E-03
0,00E+00
2 3 4 5 6 7 8 9 10
MSEe 7,20E-03 3,92E-03 2,52E-03 1,62E-03 1,45E-03 9,85E-04 8,68E-04 8,93E-04 8,40E-04
MSEv 8,16E-03 5,72E-03 3,75E-03 2,54E-03 2,36E-03 2,18E-03 2,43E-03 2,95E-03 3,60E-03
MSEp 9,67E-03 4,37E-03 2,25E-03 1,80E-03 1,93E-03 1,95E-03 2,63E-03 1,94E-04 1,96E-03
Neuronas en Co
Figura 7.5 – Magnitudes de los MSE óptimos en función del número de neuronas en la capa oculta
para el tercer escenario económico del caso de Diseño.
90
Capítulo VII.- Análisis y Discusión de Resultados
1,80E-02
1,60E-02
1,40E-02
1,20E-02
1,00E-02
MSEe
MSE
MSEv
MSEp
8,00E-03
6,00E-03
4,00E-03
2,00E-03
0,00E+00
2 3 4 5 6 7 8 9 10
MSEe 1,22E-02 3,46E-03 1,17E-03 6,04E-04 5,47E-04 5,35E-04 4,68E-04 5,35E-04 5,01E-04
MSEv 1,69E-02 6,23E-03 1,66E-03 8,48E-04 5,44E-04 8,87E-04 6,07E-04 7,76E-04 6,87E-04
MSEp 7,43E-03 4,68E-03 8,10E-04 7,76E-04 7,55E-04 8,07E-04 7,63E-04 7,76E-04 6,93E-04
Neuronas en Co
Figura 7.6 – Magnitudes de los MSE óptimos en función del número de neuronas en la capa oculta
para el primer escenario económico del caso de Operación.
Tabla 7.4 – Número de neuronas en la capa oculta correspondiente para cada caso.
91
Capítulo VII.- Análisis y Discusión de Resultados
Los análisis para ambas respuestas del modelo resultan similares, presentando
los valores obtenidos para el Valor Presente de los ingresos en la Tabla 7.5, y en la
figura 7.7 se observa la comparación gráfica. El comportamiento de la permeabilidad
92
Capítulo VII.- Análisis y Discusión de Resultados
relativa del gas con mayor influencia respecto de los valores del intervalo de
definición, se muestra en la figura 7.8.
Tabla 7.5 –Influencia relativa de las variables y del residual para el caso de Calibración.
Influencia 90
Relativa
80
70
60
50
40
30
20
10
0
1 2 3 4 5
Variables estudiadas
Figura 7.7 – Influencia relativa de las variables y del residual para el caso de
Calibración. 1. Porosidad (φ), 2. Permeabilidad relativa del petróleo (kro), 3.
Permeabilidad relativa del gas (krg), 4. Saturación inicial del gas (Sgi), 5. Residual.
93
Capítulo VII.- Análisis y Discusión de Resultados
6
x 10
PV (U.S. $) 10
2
0.2 0.22 0.24 0.26 0.28 0.3 0.32 0.34 0.36 0.38 0.4
Permeabilidad relativa del gas
Figura 7.8 – Comportamiento del efecto individual respecto al intervalo de definición de la
permeabilidad relativa del gas para el Valor Presente de los ingresos (PV) del caso de Calibración.
La figura 7.8 compara el efecto individual de la permeabilidad relativa del gas con
los valores de su intervalo de definición, determinando que para aumentos en sus
valores el Valor Presente de los ingresos aumenta de manera monotónica creciente.
Físicamente, este fenómeno se puede explicar como una consecuencia del proceso
de separación, donde una significativa parte del gas que se produce pasa a la fase
líquida (petróleo), incrementando la producción acumulada de petróleo y el valor
presente de los ingresos.
94
Capítulo VII.- Análisis y Discusión de Resultados
Para este caso se hace necesario separar los análisis de cada respuesta del
modelo, ya que difieren en la influencia de una de las variables.
Tabla 7.6 – Resultado del análisis de la influencia relativa de las variables para el COP del tercer escenario económico
del caso de Calibración.
En la figura 7.10 se observa que para aumentos en los valores del intervalo de la
tasa de producción, la COP se incrementa hasta un valor de 2x106 STB
correspondiente a una tasa de 580 STB/D.
95
Capítulo VII.- Análisis y Discusión de Resultados
70
60
50
Influencia relativa
40
30
20
10
0
1 2 3 4 5 6
Variables estudiadas
Figura 7.9 – Influencias relativas de las variables y del residual para el COP del tercer escenario
económico del caso de Diseño. 1. Diámetro vertical (Dv), 2. Diámetro horizontal (Dh),
3. Diámetro del estrangulador (Dc), 4. Tasa de producción del petróleo (q), 5. Factor de daño (S),
6. Residual.
COP (STB)
6
x 10
2.5
1.5
0.5
0
0 500 1000 1500 2000 2500 3000 3500 4000
Tasa de producción de petróleo (STB/D)
Figura 7.10 – Comportamiento del efecto individual respecto al intervalo de definición
de la tasa de producción de petróleo para el COP del tercer escenario económico del
caso de Diseño.
96
Capítulo VII.- Análisis y Discusión de Resultados
Por otra parte, las influencias relativas para el Valor Presente (PV) de los
ingresos presentaron magnitudes que se reflejan en la Tabla 7.7, y se comparan
gráficamente en la figura 7.11. La figura 7.12 presenta el comportamiento del efecto
individual en función del intervalo de definición para la variable que posee mayor
influencia relativa en el modelo.
Tabla 7.7 –Influencia relativa de las variables y del residual para el PV del tercer escenario económico del caso de
Diseño.
Igual que el caso anterior, la influencia relativa total determina que los efectos
individuales aportan más al modelo que el residual (efectos combinados, doble
productos, entre otros).
97
Capítulo VII.- Análisis y Discusión de Resultados
80
70
60
Influencia relativa
50
40
30
20
10
0
1 2 3 4 5 6
Intervalo de la variable
Variables estudiadas
Figura 7.11 – Influencia relativa de las variables y del residual para el PV del tercer escenario económico
del caso de Diseño. 1. Diámetro vertical (Dv), 2. Diámetro horizontal (Dh), 3. Diámetro del estrangulador
(Dc), 4. Tasa de producción del petróleo (q), 5. Factor de daño (S), 6. Residual.
PV (U.S. $) 6
x 10
2.2
1.8
1.6
1.4
1.2
0.8
0.6
0.4
0.2
0 500 1000 1500 2000 2500 3000 3500 4000
Intervalo de Valores
Tasa de producción de petróleo
98
Capítulo VII.- Análisis y Discusión de Resultados
Tabla 7.8 – Resultado del análisis de la influencia relativa de las variables para el primer escenario económico del caso
de Operación.
VARIABLES q S RESIDUAL
Influencia Relativa Individual 84.1517 8.9881 6.8602
Influencia Relativa Total 93.1398
99
Capítulo VII.- Análisis y Discusión de Resultados
90
80
70
60
Influencia relativa
50
40
30
20
10
0
1 2 3
Variables estudiadas
Figura 7.13 – Influencias relativas de las variables y del residual para el primer escenario
económico del caso de Operación. 1. Tasa de producción de petróleo (q), 2. Factor de daño (S),
3. Residual.
100
Capítulo VII.- Análisis y Discusión de Resultados
PV (U.S. $) 6
x 10
7
0
0 500 1000 1500 2000 2500 3000 3500 4000
Tasa de producción de petróleo
Figura 7.14 – Comportamiento del efecto individual respecto al intervalo de definición
de la tasa de producción de petróleo para el primer escenario económico del caso de
Operación.
101
Capítulo VIII.- Conclusiones y Recomendaciones
CAPÍTULO VIII
CONCLUSIONES Y
RECOMENDACIONES
ð Conclusiones.
ð Recomendaciones.
102
Capítulo VIII.- Conclusiones y Recomendaciones
103
Capítulo VIII.- Conclusiones y Recomendaciones
que las respuestas del modelo son estables mostrando la robustez de las
redes neuronales como modelo sustituto para llevar a cabo el análisis de la
influencia relativa de las variables.
104
Capítulo VIII.- Conclusiones y Recomendaciones
ü Así mismo, para los casos donde la variabilidad residual es mayor o igual al 20
%, se recomienda ampliar el estudio de la influencia relativa de las variables
incluyendo interacciones y efectos cuadráticos.
105
Glosario de Términos Básicos
GLOSARIO DE TÉRMINOS
Análisis de Varianza: En general, su propósito es examinar para las diferencias
significativas entre las medias de las variables.
106
Glosario de Términos Básicos
∂f ∂f ∂f
∂x , ∂x ,..., ∂x
∇f =
1 2 n
Gravedad API: Es una escala que refleja la densidad de un fluido como por
ejemplo crudo líquido, agua, o gas natural. Se calcula de la
siguiente manera:
141.5
º API = − 131.5
γ
donde γes la gravedad específica del fluido a 60 ºF.
107
Glosario de Términos Básicos
Permeabilidad: Es una medida de la facilidad con que una roca permite que
los fluidos se muevan dentro del volumen poroso
interconectado. Así como la porosidad es la forma de medir
108
Glosario de Términos Básicos
109
Glosario de Términos Básicos
110
Glosario de Términos Básicos
111
Referencias Bibliográficas
REFERENCIAS BIBLIOGRÁFICAS
[5] Lee, A. L.; González, M. H. and Eakin, B. E. “The Viscosity of Natural Gases”.
Paper SPE 1340. Journal of Petroleum Technology. August 1966.
[8] Queipo, N. V., Pintos, S., Goicochea, V., Verde, A., y Zerpa, L. “Optimización
Integrada Subsuelo–Superficie Versión 1.0”. Instituto de Calculo Aplicado.
Facultad de Ingeniería. Universidad del Zulia. Copyright 2000.
112
Referencias Bibliográficas
[15]Sachdeva, R., Schmidt Z., Brill J.P. and Blais, R.M., “Two-Phase Flow Through
Chokes”. SPE 15657, presented at the 1986 SPE Annual Technical Conference
and Exhibition, New Orleans, October 5-8.
[18]Nghiem, L. X., Aziz, K., Li, Y. K. “A Robust Iterative Method for Flash
Calculations Using the Soave-Redlich-Kwong or the Peng-Robinson Equation of
State”, SPE 8285, (1983).
113
Bibliografía
BIBLIOGRAFÍA
TEXTOS
Queipo, N. V., Pintos, S., Goicochea, V., Verde, A., y Zerpa, L. “Optimización
Integrada Subsuelo–Superficie Versión 1.0”. Instituto de Calculo Aplicado. Facultad
de Ingeniería. Universidad del Zulia. Copyright 2000.
114
Bibliografía
REVISTAS ESPECIALIZADAS
Sachdeva, R., Schmidt Z., Brill J.P. and Blais, R.M., “Two-Phase Flow Through
Chokes”. SPE 15657, presented at the 1986 SPE Annual Technical Conference and
Exhibition, New Orleans, October 5-8.
Nghiem, L. X., Aziz, K., Li, Y. K. “A Robust Iterative Method for Flash Calculations
Using the Soave-Redlich-Kwong or the Peng-Robinson Equation of State”, SPE
8285, (1983).
Veatch, R.. “Economics of Fracturing: Some Methods, Examples, and Case Studies”,
paper SPE 15509 presented at the 1986 SPE annual Technical Conference &
Exhibition, New Orleans, LA, Oct. 508.
115
Bibliografía
PÁGINAS WEB
MATLAB Toolboxes
http://www.addlink.es/product/mathworks/matlab/toolboxes.htm
Tutorial de ANOVA
http://www.statsoftinc.com/textbook/stanman.html
Estadísticas básicas
http://www.statsoftinc.com/textbook/stbasic.html
116