Escolar Documentos
Profissional Documentos
Cultura Documentos
ESCOLA DE ENGENHARIA
DEPARTAMENTO DE ENGENHARIA QUÍMICA E DE PETRÓLEO
CURSO DE ENGENHARIA DE PETRÓLEO
Niterói, RJ
2018
TELBIO ROHEM DA COSTA FILHO
Orientador:
Alfredo Moisés Vallejos Carrasco
Niterói, RJ
2018
AUTORIZO A REPRODUÇÃO E DIVULGAÇÃO TOTAL OU PARCIAL DESTE
TRABALHO, POR QUALQUER MEIO CONVENCIONAL OU ELETRÔNICO, PARA
FINS DE ESTUDO E PESQUISA, DESDE QUE CITADA A FONTE. FICHA
CATALOGRÁFICA GERADA EM:
http://www.bibliotecas.uff.br/bee/ficha-catalografica
TELBIO ROHEM DA COSTA FILHO
Niterói, RJ
2018
"Determinação coragem e
autoconfiança são fatores decisivos
para o sucesso. Se estamos
possuídos por uma inabalável
determinação conseguiremos superá-
los. Independentemente das
circunstâncias, devemos ser sempre
humildes, recatados e despidos de
orgulho."
Dalai Lama
RESUMO
DT Delta-T Wave
IP Interactive Petrophysics
KC Permeability of Core
RG Raios Gama
1 INTRODUÇÃO ..................................................................................................... 1
Objetivo.................................................................................................................... 2
Justificativa .............................................................................................................. 2
5 CONCLUSÕES .................................................................................................. 42
1 INTRODUÇÃO
Objetivo
Justificativa
2 REVISÃO BIBLIOGRÁFICA
(2.1)
(2.2)
4
Com relação às rochas sedimentares, a rocha que tiver uma maior porosidade
irá apresentar um tempo de trânsito muito maior em relação a uma rocha com
porosidade inferior. Esta relação será apresentada diretamente no perfil. Dois tipos
de ondas são de extrema importância para a perfilagem sônica: são as ondas
compressionais e as ondas cisalhantes.
1
Disponível em: http://www.khadley.com/courses/Astronomy/ph_205/topics/earth/earth-structure.html,
Acessado em 20 de setembro de 2017.
6
Qualitativos:
Definição Estratigráfica;
Identificação de Litologia;
Correlação – Geológica;
Identificação de Fluido;
Identificação de Fraturas;
Quantitativos:
Resistividade;
Porosidade;
Radioatividade;
Permeabilidade;
Saturação de hidrocarbonetos;
Este tipo de perfil contém medições da radiação natural gama, emitidas pelas
rochas ou sedimentos num poço. O método de medição de radiação raio gama é
usado para avaliação da argilosidade das formações. Diferentes tipos de rocha
emitem diferentes quantidades e espectros de radiação gama natural. Em particular,
folhelhos emitem raios gama mais do que outras rochas sedimentares. Isso porque o
potássio radioativo é um componente comum no teor de argila do folhelho, e porque
a capacidade de mudança catiônica da argila faz com que ela adsorva urânio e tório.
Essa diferença de radioatividade permite que a ferramenta de raio gama diferencie
entre folhelho e não folhelho.
Esta radioatividade é geralmente registrada em unidades API, definida como
uma unidade que representa a fração de 1/200 da diferença entre a máxima e
9
A Figura 4 mostra um perfil RG onde foi definido uma linha de base defronte
aos folhelhos (LBF), no intervalo a analisar. Esta linha deve representar a média dos
valores máximos dos folhelhos, vez que a radioatividade é um evento estatístico. Na
Figura 4, a LBF é da ordem de 90 GAPI. Este valor lido é denominado de RGMáximo
e é o valor representativo dos folhelhos puros no intervalo analisado (NERY, 2004).
(2.3)
em que:
IRG = Índice de raios gama,
RGlido = Valor do raio gama lido no perfil,
RGmin = Valor mínimo de raio gama (não folhelho),
RGmax = Valor máximo de raio gama (folhelho).
em que:
VSH = Volume de argila,
IRG = Índice de raios gama
(2.7)
onde:
2
Disponível em: http://www.kgs.ku.edu/PRS/publication/2006/2006-14/p3-03.html, Acessado em 20
de setembro de 2017.
14
onde:
ρt = densidade total
ρma = densidade da matriz
ρf = densidade média dos fluidos
Φ = porosidade
3
Disponível em: https://www.spec2000.net/07-densitylog.htm, Acessado em 07 de abril de 2018.
16
2.3 Rochas-reservatórios
2.5 Porosidade
(2.10)
4
Disponível em: http://www.virtual-geology.info/sediments-and-strata/sst-comp.html, Acessado em: 20
de setembro de 2017.
19
2.6 Permeabilidade
(2.12)
onde:
kr = permeabilidade relativa
kef = permeabilidade efetiva
kabs = permeabilidade absoluta.
21
3 LÓGICA FUZZY
Ao tomar por exemplo uma amostra de rocha. Rochas areníticas geralmente tem
boa porosidade, já os folhelhos possuem baixa porosidade. Se encontramos um
pedaço de rocha que possui uma porosidade de 2 pu (2%). É arenito ou folhelho? É
possível dizer que é definitivamente folhelho e continuar com assuntos mais
importantes. Mas digamos que seja provavelmente folhelho, mas existe uma
pequena probabilidade de que possa ser arenítica. O mesmo pedaço de rocha
22
É assim que funciona a lógica fuzzy. Não aceita que seja isso ou aquilo. Atribui
uma escala de variação ou uma probabilidade à qualidade da previsão em cada
parâmetro da rocha, seja porosidade, tonalidade ou cor.
Uma vantagem da lógica fuzzy é que não precisamos tomar uma decisão
concreta. Além disso, a lógica fuzzy pode ser descrita por algoritmos estatísticos
estabelecidos (CUDDY,1997).
Considerando todos os pontos positivos desta lógica, isso não significa que
ela será a melhor opção. A lógica fuzzy é a codificação do senso comum, utilizar o
bom senso ao implementá-lo é a chave para se obter um bom resultado. Muitos
controladores, por exemplo, fazem um bom trabalho sem serem alterados pela
lógica difusa (JANG & GULLEY, 1997).
Uma variável linguística é uma variável cujos valores são nomes de conjuntos
fuzzy. Por exemplo, a temperatura de um determinado processo poderia ser uma
variável linguística assumindo valores como “baixa”, “média”, “alta”. Estes valores
são descritos por intermédio de conjuntos fuzzy. Os valores de uma variável
linguística podem ser sentenças em uma linguagem especificada, construídas a
partir de termos primários (alto, baixo, pequeno, médio, grande, e zero, por
exemplo), de conectivos lógicos (NÃO, E e OU), conectivos mascarados (mas,
porém), de modificadores (muito, pouco, levemente, extremamente) e de
delimitadores (parênteses).
24
Para ilustrar cada uma das etapas, considere a análise de riscos num projeto.
Nesse domínio, identificam-se três variáveis linguísticas (as duas primeiras de
entrada e a última de saída), apresentadas nas Tabelas 2, 3 e 4, bem como seus
respectivos valores. Desta feita, quer-se estabelecer, sendo conhecidos um valor x
de recurso monetário para o projeto e um número y de funcionários para trabalhar no
mesmo, qual o risco z desse projeto? (MARRO et al., 2016).
3.4.1 Fuzzificação
Essa etapa obtém o grau de pertinência com que cada entrada pertence a cada
conjunto fuzzy. Cada uma dessas entradas foi previamente limitada no universo de
discurso em questão e associada a um grau de pertinência em cada conjunto fuzzy
através do conhecimento do especialista. Então para obter o grau de pertinência de
uma determinada entrada, basta buscar esse valor na base de conhecimento do
sistema fuzzy.
Para o exemplo em questão, tem-se os conjuntos fuzzy e graus de pertinência
para cada uma das variáveis de entrada, conforme mostrado na Figura 11:
28
Por exemplo, com base nos graus de pertinência e nas correlações entre as
variáveis linguísticas, têm-se as regras
É importante notar que, na regra 1, com a operação 'ou' (or), tem-se que o grau de
pertinência de z é 0.1, o maior entre os graus de x e de y; de forma similar, com a
operação 'e' (and) na regra 2, o grau de pertinência de z é 0.2, o menor dentre os
29
Como o nome sugere, nessa etapa são agregadas todas as funções membro dos
consequentes de cada regra em um único conjunto fuzzy. Para o exemplo em
questão, considerando os conjuntos fuzzy para a variável z e respectivos graus de
pertinência, produzidos pela aplicação das regras fuzzy 1, 2 e 3 (Figura 12) a
agregação desses conjuntos resulta no conjunto fuzzy da Figura 13.
3.4.4 Defuzzificação
(2.13)
(2.14)
3.5 Aplicações
margem de erro. O software também permite usar dados de outros poços, caso
exista essa informação disponível.
Figura 17 - Número de bins utilizados para cada grupo de dados de entrada nos
perfis geofísicos
Figura 19 - . Relação entre os dados dos testemunho e os dados obtidos pela logica
fuzzy
5 CONCLUSÕES
6 REFERÊNCIAS BIBLIOGRÁFICAS
ASQUITH, G. & GIBSON, C. Basic well log analysis for geologists. Oklahoma:
AAPG, 216 p, 1982.
ASQUITH, G. & KRYGOWSKI, D. Basic Well Log Analisys. 2 ed. Tulsa, Oklahoma:
The American Association of Petroleum Geologists, 2004.
ELLIS, Darwin V.; SINGER, Julian M. Well Logging for Earth Scientists. 2ed. New
York: Springer Science, 2008.
JANG, J.-S. R.; GULLEY, N. MATLAB Fuzzy Logic Toolbox. Boston: The
MathWorks, 1997.
ZHANGGUI, LIAN & DI, JIAO. Integration of Fuzzy Methods into Geostatistics
for Petrophysical Property Distribuition Simulation of a Reservoir at
Exploration Stage. SPE 49964. 1998 Disponível em: https://www.onepetro.org.
Acesso em 5 jun. 2017.