Please use this identifier to cite or link to this item: http://repositorio.unicamp.br/jspui/handle/REPOSIP/350908
Type: DISSERTAÇÃO DIGITAL
Degree Level: Mestrado
Title: Uma comparação de modelos substitutos de aprendizado de máquina para a previsão do valor presente líquido a partir de dados de alta dimensão de arranjo de poços
Title Alternative: A comparison of machine learning surrogate models for net present value forecasting from high-dimensional well placement data
Author: Funcia, Mei Abe, 1989-
Advisor: Bertini Junior, João Roberto, 1981-
Abstract: Resumo: O Valor Presente Líquido (VPL) é uma medida utilizada para estimar a lucratividade de um investimento em um determinado período de tempo. Na exploração de um campo de petróleo, esse valor não só é importante para a determinação da decisão de exploração do campo, mas também auxilia na escolha da melhor estratégia de produção. A projeção do VPL é realizada por meio de simulações que consideram informações da geologia do reservatório e dos possíveis arranjos entre os poços. No entanto, o simulador exige alto custo computacional para realizar o processamento de cada estratégia de produção. Dessa forma, é possível pesquisar apenas uma pequena parte do espaço de solução, diminuindo a chance de encontrar uma estratégia sub-ótima. Para acelerar o processo de busca, um modelo substituto muito mais rápido, mas mais propenso a erros, é usado para aproximara saída do simulador. O desempenho do modelo substituto baseado em dados depende do método e dos dados históricos usados para construí-lo. No entanto, nesse tipo de modelagem quando a dimensão dos dados aumenta, o desempenho do modelo tende a deteriorar, tornando inviável a avaliação de estratégias com vários possíveis poços. Este trabalho aborda o problema de estimar o VPL a partir de dados de alta dimensionalidade de posicionamentos de poços. Especificamente, considera-se a avaliação de pares de algo-ritmos: redução da dimensionalidade - método de regressão. Trinta e seis combinações, de seis métodos de regressão de aprendizado de máquina e seis algoritmos de redução de dimensionalidade foram comparadas. Simulações conduzidas usando dois modelos de reservatório baseados em campos brasileiros reais mostraram que, uma vez fornecidos dados suficientes, alguns pares de algoritmos podem ser usados para aproximar o VPL obtido pelo simulador

Abstract: Net Present Value (NPV) is a measure used to estimate the profitability of an investment in a given period of time. In the exploration of an oil field, this value is not only important for the determination of the decision to exploit the field, but also helps in the choice of the best production strategy. The projection of the NPV is carried out through simulations that consider information about the geology of the reservoir and the possible arrangements between the wells. However, the simulator requires high computational cost to perform the processing of each production strategy. In this way, it is possible to search only a small part of the solution space, decreasing the chance of finding a sub-optimal strategy. To speed up the search process, a much faster, but more error-prone, replacement model is used to approximate the simulator¿s output. The performance of the data-based surrogate model depends on the method and historical data used to buildit. However, in this type of modeling when the size of the data increases, the performance of the model tends to deteriorate, making it impossible to evaluate strategies with several possible wells. This work addresses the problem of estimating NPV from high dimensional data on well positioning. Specifically, the evaluation of pairs of algorithms is considered:reduction of dimensionality - regression method. Thirty-six combinations of six machine learning regression methods and six dimensionality reduction algorithms were compared.Simulations conducted using two reservoir models based on real Brazilian fields showed that, once enough data were provided, some pairs of algorithms can be used to approximate the NPV obtained by the simulator.
Subject: Métodos de simulação
Campos petroliferos - Métodos de produção
Análise de regressão
Engenharia de reservatório de óleo
Language: Português
Editor: [s.n.]
Citation: FUNCIA, Mei Abe. Uma comparação de modelos substitutos de aprendizado de máquina para a previsão do valor presente líquido a partir de dados de alta dimensão de arranjo de poços. 2020. 1 recurso online (67 p.) Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Tecnologia, Limeira, SP.
Date Issue: 2020
Appears in Collections:FT - Tese e Dissertação

Files in This Item:
File SizeFormat 
Funcia_MeiAbe_M.pdf1.66 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.