XINFORMAÇÕES 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.
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
Título: EVALUATING THE USE OF RANDOM FOREST REGRESSOR TO RESERVOIR SIMULATION IN MULTI-REGION RESERVOIRS Autor: IGOR CAETANO DINIZ
Instituição: PONTIFÍCIA UNIVERSIDADE CATÓLICA DO RIO DE JANEIRO - PUC-RIO
Colaborador(es):
SINESIO PESCO - ADVISOR
THIAGO DE MENEZES DUARTE E SILVA - CO-ADVISOR
Nº do Conteudo: 62992
Catalogação: 22/06/2023 Idioma(s): ENGLISH - UNITED STATES
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=62992@1
Referência [en]: https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=62992@2
Referência DOI: https://doi.org/10.17771/PUCRio.acad.62992
Resumo:
Título: EVALUATING THE USE OF RANDOM FOREST REGRESSOR TO RESERVOIR SIMULATION IN MULTI-REGION RESERVOIRS Autor: IGOR CAETANO DINIZ
THIAGO DE MENEZES DUARTE E SILVA - CO-ADVISOR
Nº do Conteudo: 62992
Catalogação: 22/06/2023 Idioma(s): ENGLISH - UNITED STATES
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=62992@1
Referência [en]: https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=62992@2
Referência DOI: https://doi.org/10.17771/PUCRio.acad.62992
Resumo:
Oil and gas reservoir simulation is a common demand in petroleum
engineering, and research, which may have a high computational cost, solving
a mathematical numeric problem, or high computational time. Moreover,
several reservoir characterization methods require multiple iterations, resulting
in many simulations to obtain a reasonable characterization. It is also
possible to mention ensemble-based methods, such as the ensemble Kalman
filter, EnKF, and the Ensemble Smoother With Multiple Data Assimilation,
ES-MDA, which demand lots of simulation runs to provide the output
result. As a result, reservoir simulation might be a complex subject to
deal with when working with reservoir characterization. The use of machine
learning has been increasing in the energy industry. It can improve the
accuracy of reservoir predictions, optimize production strategies, and many
other applications. The complexity and uncertainty of reservoir models pose
significant challenges to traditional modeling approaches, making machine
learning an attractive solution. Aiming to reduce reservoir simulation’s
complexities, this work investigates using a machine-learning model as an
alternative to conventional simulators. The Random Forest regressor model
is experimented with to reproduce pressure response solutions for multi-region
radial composite reservoirs. An analytical approach is employed to create
the training dataset in the following procedure: the permeability is sorted
using a specific distribution, and the output is generated using the analytical
solution. Through experimentation and analysis, this work aims to advance
our understanding of using machine learning in reservoir simulation for the
energy industry.
Descrição | Arquivo |
COMPLETE |