Busca avançada
Ano de início
Entree

Aprendizado de máquina e técnicas orientadas a dados para descoberta de óleo no contexto de controle e gerenciamento de reservatórios

Processo: 19/04886-0
Modalidade de apoio:Bolsas no Brasil - Pós-Doutorado
Data de Início da vigência: 01 de junho de 2019
Data de Término da vigência: 31 de maio de 2023
Área de conhecimento:Ciências Exatas e da Terra - Ciência da Computação
Acordo de Cooperação: Equinor (antiga Statoil)
Pesquisador responsável:Anderson de Rezende Rocha
Beneficiário:Victor Eduardo Martinez Abaunza
Instituição Sede: Instituto de Computação (IC). Universidade Estadual de Campinas (UNICAMP). Campinas , SP, Brasil
Empresa:Universidade Estadual de Campinas (UNICAMP). Faculdade de Engenharia Mecânica (FEM)
Vinculado ao auxílio:17/15736-3 - Centro de Pesquisa em Engenharia em Reservatórios e Gerenciamento de Produção de Petróleo, AP.PCPE
Assunto(s):Aprendizado computacional   Engenharia de petróleo
Palavra(s)-Chave do Pesquisador:Aprendizado de Máquina | Ciência da Computação | Engenharia de Petróleo | Aprendizado de Máquina

Resumo

Neste projeto, vamos pesquisar e desenvolver métodos de controle e gerenciamento de reservatórios (como, por exemplo, o uso de injeção WAG e / ou controle de poços avançados) para induzir a produção de petróleo em campos petrolíferos. Cada uma das técnicas a serem aplicadas pode ter operações muito diferentes e, nesta pesquisa, desenvolveremos os métodos de aprendizado de máquina apropriados para avaliar os dados associados a cada uma delas para apontar sua aplicabilidade, vantagens e desvantagens ao direcionar a melhoria da produção de petróleo. Campos de petróleo.Principais objetivos. Neste projeto, pretendemos investigar técnicas de aprendizado de máquina e baseadas em dados para processar informações relacionadas ao controle e gerenciamento de reservatórios, a fim de melhorar a recuperação de petróleo em campos de petróleo. Além disso, também é nosso foco projetar e desenvolver mecanismos de ML apropriados para auxiliar na seleção das estratégias de produção mais apropriadas para a extração de óleo em campos de petróleo com base em múltiplas variáveis associadas à modelagem de um campo.

Matéria(s) publicada(s) na Agência FAPESP sobre a bolsa:
Mais itensMenos itens
Matéria(s) publicada(s) em Outras Mídias ( ):
Mais itensMenos itens
VEICULO: TITULO (DATA)
VEICULO: TITULO (DATA)

Publicações científicas
(Referências obtidas automaticamente do Web of Science e do SciELO, por meio da informação sobre o financiamento pela FAPESP e o número do processo correspondente, incluída na publicação pelos autores)
MARTINEZ, VICTOR; ROCHA, ANDERSON. The Golem: A General Data-Driven Model for Oil & Gas Forecasting Based on Recurrent Neural Networks. IEEE ACCESS, v. 11, p. 28-pg., . (19/04886-0, 17/15736-3)