$$\newcommand{\bra}[1]{\left<#1\right|}\newcommand{\ket}[1]{\left|#1\right>}\newcommand{\bk}[2]{\left<#1\middle|#2\right>}\newcommand{\bke}[3]{\left<#1\middle|#2\middle|#3\right>}$$
X
INFORMAÇÕES SOBRE DIREITOS AUTORAIS


As obras disponibilizadas nesta Biblioteca Digital foram publicadas sob expressa autorização dos respectivos autores, em conformidade com a Lei 9610/98.

A consulta aos textos, permitida por seus respectivos autores, é livre, bem como a impressão de trechos ou de um exemplar completo exclusivamente para uso próprio. Não são permitidas a impressão e a reprodução de obras completas com qualquer outra finalidade que não o uso próprio de quem imprime.

A reprodução de pequenos trechos, na forma de citações em trabalhos de terceiros que não o próprio autor do texto consultado,é permitida, na medida justificada para a compreeensão da citação e mediante a informação, junto à citação, do nome do autor do texto original, bem como da fonte da pesquisa.

A violação de direitos autorais é passível de sanções civis e penais.
Coleção Digital

Avançada


Estatísticas | Formato DC |



Título: SENSITIVITY STUDY OF HYPERPARAMETERS IN E2CO
Autor: BRUNO DOS SANTOS COSTA
Instituição: PONTIFÍCIA UNIVERSIDADE CATÓLICA DO RIO DE JANEIRO - PUC-RIO
Colaborador(es):  SINESIO PESCO - ADVISOR
ABELARDO BORGES BARRETO JR - CO-ADVISOR

Nº do Conteudo: 70705
Catalogação:  02/06/2025 Liberação: 02/06/2025 Idioma(s):  PORTUGUESE - BRAZIL
Tipo:  TEXT Subtipo:  THESIS
Natureza:  SCHOLARLY PUBLICATION
Nota:  Todos os dados constantes dos documentos são de inteira responsabilidade de seus autores. Os dados utilizados nas descrições dos documentos estão em conformidade com os sistemas da administração da PUC-Rio.
Referência [pt]:  https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=70705&idi=1
Referência [en]:  https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=70705&idi=2
Referência DOI:  https://doi.org/10.17771/PUCRio.acad.70705

Resumo:
This dissertation is situated within the field of Mathematical Modeling, with an emphasis on problems related to Reservoir Engineering. In particular, the text explores the application of neural networks for the prediction of key oil well data, such as bottom-hole pressure, oil flow rate, and water flow rate over extended periods. To achieve this, the method known as Embed to Control and Observe was employed. One of the main topics discussed in the study concerns the sensitivity of neural network hyperparameters, which are defined during the training process. Specifically, the investigation focused on how variations in these hyperparameters affect the accuracy of the predictions. It was observed that the weights assigned to the cost functions (transition, output transition, water flow rate, saturation in producing gridblocks), the batch size, the seed, and the Python version significantly influenced the prediction accuracy.

Descrição Arquivo
COMPLETE  PDF
Logo maxwell Agora você pode usar seu login do SAU no Maxwell!!
Fechar Janela



* Esqueceu a senha:
Senha SAU, clique aqui
Senha Maxwell, clique aqui