USO DE MACHINE LEARNING PARA IDENTIFICAÇÃO DE PERDAS DE CIRCULAÇÃO NA PERFURAÇÃO DE POÇOS DE PETRÓLEO

Vol 1, 2024 - 308510
Apresentação Pôster
Favoritar este trabalho
Como citar esse trabalho?
Resumo

O controle da perda de circulação é essencial, sendo caracterizado como um desafio recorrente com impacto significativo na eficiência e segurança das operações de perfuração. Este estudo teve como objetivo explorar aplicações de aprendizado de máquina, utilizando o algoritmo XGBoost, para abordar o desafio da perda de circulação em operações de perfuração de poços de petróleo. A metodologia envolveu o desenvolvimento de modelos de regressão, tanto para dados provenientes de planta experimental quanto para poços reais. Os resultados obtidos demonstraram eficácia nos dois modelos propostos. Foram observados erros Root Mean Squared Error (RMSE) inferiores a 30 bbl/h para a taxa de perda de circulação. Estes resultados evidenciam a capacidade preditiva do modelo. A abordagem inovadora, combinando aprendizado de máquina e análise de dados experimentais, contribui para avanços práticos na indústria petrolífera, fornecendo ferramentas eficientes para o controle e prevenção desse desafio complexo.

Compartilhe suas ideias ou dúvidas com os autores!

Sabia que o maior estímulo no desenvolvimento científico e cultural é a curiosidade? Deixe seus questionamentos ou sugestões para o autor!

Faça login para interagir

Tem uma dúvida ou sugestão? Compartilhe seu feedback com os autores!

Instituições
  • 1 UFRRJ
Eixo Temático
  • 10. Simulação, Otimização e Controle de Processos
Palavras-chave
Aprendizado de máquina
perda de circulação
perfuração de poços