Este trabajo hace la propuesta de un modelo predictivo de redes neuronales convolucionales de entradas múltiples con base en AlexNet, el cual puede ser usado para hacer predicciones sobre la producción de petróleo y gas con gran precisión, incluyendo datos de registro y fractura como entrada. A diferencia de otros métodos, que predicen la producción de petróleo y gas promediando los datos de registro y fractura, se puede usar el modelo propuesto para considerar los datos de registro de profundidad de cada pozo y datos de fractura en cada intervalo de tiempo. Esto permite que cada pieza de datos retenga la mayor cantidad de información original como sea posible; aumentando la diversidad de información de los datos y haciendo que los resultados sean más útiles. Sin duda, el enfoque propuesto en este trabajo logró mejores resultados que otras redes neuronales.
Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.
Video:
Explotación petrolera e impacto ambiental en los Llanos orientales
Tesis:
Diseño de un equipo de recuperación de líquidos de gas natural empleando CFD
Video:
Convirtiendo petróleo de esquistos en combustible
Capítulo de libro:
Enfoques mecánicos cuánticos para estudio de piezoelectricity en perovskites
Video:
Audiolibro sobre ingeniería de gas y petróleo, capítulo 11 sobre instrumentación y automatización
Artículo:
Creación de empresas y estrategia : reflexiones desde el enfoque de recursos
Artículo:
Importancia, manejo y control de extraíbles e incrustaciones (pitch) en la fabricación de papel
Artículo:
Estudio sobre la evaluación de la sostenibilidad de los productos innovadores
Libro:
Planta de tratamiento de aguas residuales