Rede neural artificial aplicada à estimativa da pressão de poros de uma formação rochosa

Abstract

O projeto de perfuração de poço é uma das principais etapas de engenharia e tem o objetivo de evitar problemas como kicks, instabilidade de poços, blowouts e perda de circulação, que representam os principais causadores de danos ambientais, prejuízos econômicos e até perdas humanas, especialmente críticos quando se trata de perfurações ultraprofundas. Usualmente, métodos matemáticos, empíricos e medidos em campo são usados na estimativa da pressão de poros, porém não se pode dizer que esses têm exatidão nos valores encontrados, pois dependem de como o instrumento ou o analista leem determinada medição. Por esse motivo, métodos como as redes neurais artificiais (RNAs) foram estudados, a fim de encontrar valores de pressões com margem de erro cada vez menor. Além de serem muito mais rápidas e precisas do que os métodos convencionais, as RNAs são sistemas computacionais adaptativos inspirados no cérebro humano, que adquirem conhecimento por meio de experiência. Com isso, um estudo de caso foi realizado a fim de criar, treinar e utilizar uma RNA a partir de dados de perfilagem do poço estudado, além de informações como profundidade e densidade das formações rochosas. A proposta é estimar a pressão de poros usando essa inteligência artificial e comparar os resultados obtidos entre o método convencional de Eaton e a RNA criada, com o intuito de mostrar que os resultados com essa nova tecnologia atingem os menores valores de erro.

Keywords

• Inteligência artificial
• Perfuração
• Método de Eaton