Um modelo híbrido para previsão de curvas de produção de petróleo /
Atualmente, é de grande interesse o estudo de métodos de previsão de Séries Temporais, ou seja, conseguir identificar e predizer algumas características do processo num ponto futuro. Na engenharia de petróleo uma das atividades essenciais é a estimativa de produção de óleo existente nas reservas pet...
Na minha lista:
| Principais autores: | , , , |
|---|---|
| Formato: | Dissertação |
| Publicado em: |
|
| Assuntos: | |
| Endereço do item: | https://repositorio.ufrn.br/jspui/bitstream/123456789/12981/1/ModeloH%c3%adbridoPrevisao_Silva_2013.pdf |
| Tags: |
Adicionar Tag
Sem tags, seja o primeiro a adicionar uma tag!
|
| id |
oai:localhost:123456789-131825 |
|---|---|
| record_format |
dspace |
| institution |
Acervo SISBI |
| collection |
SIGAA |
| topic |
Engenharia de petróleo - Dissertação. Análise de séries temporais - Dissertação. Redes neurais - DIssertação. Produção de petróleo - Dissertação. Estimated oil production. Oil reserves of mature reservoirs. Numerical simulation mathematical. |
| spellingShingle |
Engenharia de petróleo - Dissertação. Análise de séries temporais - Dissertação. Redes neurais - DIssertação. Produção de petróleo - Dissertação. Estimated oil production. Oil reserves of mature reservoirs. Numerical simulation mathematical. Silva, Francisca Fátima do Nascimento. Dória Neto, Adrião Duarte. Lúcio, Paulo Sérgio. Universidade Federal do Rio Grande do Norte. Um modelo híbrido para previsão de curvas de produção de petróleo / |
| description |
Atualmente, é de grande interesse o estudo de métodos de previsão de Séries Temporais, ou seja, conseguir identificar e predizer algumas características do processo num ponto futuro. Na engenharia de petróleo uma das atividades essenciais é a estimativa de produção de óleo existente nas reservas petrolíferas de reservatórios maduros. O cálculo dessas reservas é crucial para a determinação da viabilidade econômica de sua explotação. Para tanto, a indústria do petróleo faz uso de técnicas convencionais de modelagem de reservatórios como simulação numérica matemática para previsão da produção de petróleo. Diante deste fato, o objetivo fundamental deste trabalho é propor uma metodologia de Análise de Séries Temporais baseada nos tradicionais modelos estatísticos de Box & Jenkins, que em conjunto com a técnica inteligente de Redes Neurais Artificiais (RNA s), possibilite a construção de um modelo híbrido de predição de dados de produção de petróleo, tomando por base a capacidade que a rede tem em aprender com a experiência e partir para generalização baseada no seu conhecimento prévio. Para tanto, a Rede Neural será treinada com a finalidade de estimar e corrigir os erros associados ao modelo estatístico de Série Temporal, de forma a aproximar a série estimada à série de dados original. Os dados da Série Temporal em estudo referem-se à curva de vazão de petróleo de um reservatório localizado em um campo da região nordeste do Brasil. A série em estudo foi obtida no período 31de julho do ano 1998 ate 31 de dezembro de 2007, com os dados (vazão) sendo obtidos com intervalos mensais, totalizando 127 meses de informações. O algoritmo de predição proposto pela Rede Neural receberá como entrada os erros gerados pelo modelo estatístico de série e fornecerá como saída uma estimativa do erro no tempo n+h onde h representa o horizonte de predição. Os erros estimados pela Rede Neural serão adicionados ao Modelo de Série Temporal com a finalidade de corrigi-lo. Por fim, será feito um estudo comparativo da performance preditiva do modelo de Box & Jenkins clássico e o modelo de Box & Jenkins corrigido pela Rede Neural. A arquitetura recorrente em estudo neste trabalho deverá ser capaz de prover estimativas confiáveis, tanto para um horizonte de predição de passos simples quanto para um horizonte de múltiplos passos. O software utilizado para realização do ajuste do modelo estatístico de Série Temporal foi o R Project for Statistical Computing - versão 2.14.1. Para fazer as implementações necessárias da Rede Neural, a ferramenta computacional utilizada foi o software Matlab Versão 7.0.2 (R2011a).#$&Nowadays, it is of great interest to study the methods of time series prediction, i.e. able to identify and predict some of the characteristics of the process in a future point. In petroleum engineering is one of the essential activities is the estimated of oil production, existing on oil reserves from mature reservoirs. The calculation of these reserves is crucial for determining the economic viability of their exploitation. Therefore, the oil industry makes use of conventional techniques for reservoir, such as mathematical numeric simulation to predict the oil production. Given this fact, this paper's primal goal is to propose an methodology of Time Series Analysis based on the traditional statistic models from Box & Jenkins, with the smart technique from Artificial Neural Networks {Redes Nenrais Artificais - RNA's), allows the construction of a hybrid model for prediction of oil production data, based on the ability of the network has to learn from experience and start the generalization based on its own prior knowledge. For such, the Neural Network will be trained to estimate and rectify the errors associated with the time series statistic model, in order to bring the estimated series closer to the original data series. The studied Series data refer to the oil flow curve from a reservoir located on a field on the northeastern region from Brazil. It was obtained on the period between July 31, 1998 and December 31, 2007, with the data (flow) being obtained at monthly intervals, making a total 127 months information. The prediction algorithm proposed by the neural network will receive the generated mistakes from the series statistic model as an entry, and will provide an error estimate on time n+h, where h stands for the prediction horizon. The errors estimated by Neural Network will be added to Time Series Model in order to fix it. Lastly, there will be a comparative study of the predictive performance between the Box & Jenkins classical model and the Box & Jenkins model corrected by Neural Network. The applicant architecture studied in this work should be able to provide reliable estimates, both for a prediction horizon of simple steps as for a horizon of multiple steps. The software used to perform the adjustment of statistical time series model was the R Project for Statistical Computing -version 2.14.1. To implement the neural network, the software tool used was Matlab version 7.0.2 (R2011a). |
| format |
Dissertação |
| author |
Silva, Francisca Fátima do Nascimento. Dória Neto, Adrião Duarte. Lúcio, Paulo Sérgio. Universidade Federal do Rio Grande do Norte. |
| author_facet |
Silva, Francisca Fátima do Nascimento. Dória Neto, Adrião Duarte. Lúcio, Paulo Sérgio. Universidade Federal do Rio Grande do Norte. |
| author_sort |
Silva, Francisca Fátima do Nascimento. |
| title |
Um modelo híbrido para previsão de curvas de produção de petróleo / |
| title_short |
Um modelo híbrido para previsão de curvas de produção de petróleo / |
| title_full |
Um modelo híbrido para previsão de curvas de produção de petróleo / |
| title_fullStr |
Um modelo híbrido para previsão de curvas de produção de petróleo / |
| title_full_unstemmed |
Um modelo híbrido para previsão de curvas de produção de petróleo / |
| title_sort |
um modelo híbrido para previsão de curvas de produção de petróleo / |
| publishDate |
2022 |
| url |
https://repositorio.ufrn.br/jspui/bitstream/123456789/12981/1/ModeloH%c3%adbridoPrevisao_Silva_2013.pdf |
| work_keys_str_mv |
AT silvafranciscafatimadonascimento ummodelohibridoparaprevisaodecurvasdeproducaodepetroleo AT dorianetoadriaoduarte ummodelohibridoparaprevisaodecurvasdeproducaodepetroleo AT luciopaulosergio ummodelohibridoparaprevisaodecurvasdeproducaodepetroleo AT universidadefederaldoriograndedonorte ummodelohibridoparaprevisaodecurvasdeproducaodepetroleo |
| _version_ |
1766802835346817024 |
| spelling |
oai:localhost:123456789-1318252022-12-01T01:46:40Z Um modelo híbrido para previsão de curvas de produção de petróleo / Silva, Francisca Fátima do Nascimento. Dória Neto, Adrião Duarte. Lúcio, Paulo Sérgio. Universidade Federal do Rio Grande do Norte. Engenharia de petróleo - Dissertação. Análise de séries temporais - Dissertação. Redes neurais - DIssertação. Produção de petróleo - Dissertação. Estimated oil production. Oil reserves of mature reservoirs. Numerical simulation mathematical. Atualmente, é de grande interesse o estudo de métodos de previsão de Séries Temporais, ou seja, conseguir identificar e predizer algumas características do processo num ponto futuro. Na engenharia de petróleo uma das atividades essenciais é a estimativa de produção de óleo existente nas reservas petrolíferas de reservatórios maduros. O cálculo dessas reservas é crucial para a determinação da viabilidade econômica de sua explotação. Para tanto, a indústria do petróleo faz uso de técnicas convencionais de modelagem de reservatórios como simulação numérica matemática para previsão da produção de petróleo. Diante deste fato, o objetivo fundamental deste trabalho é propor uma metodologia de Análise de Séries Temporais baseada nos tradicionais modelos estatísticos de Box & Jenkins, que em conjunto com a técnica inteligente de Redes Neurais Artificiais (RNA s), possibilite a construção de um modelo híbrido de predição de dados de produção de petróleo, tomando por base a capacidade que a rede tem em aprender com a experiência e partir para generalização baseada no seu conhecimento prévio. Para tanto, a Rede Neural será treinada com a finalidade de estimar e corrigir os erros associados ao modelo estatístico de Série Temporal, de forma a aproximar a série estimada à série de dados original. Os dados da Série Temporal em estudo referem-se à curva de vazão de petróleo de um reservatório localizado em um campo da região nordeste do Brasil. A série em estudo foi obtida no período 31de julho do ano 1998 ate 31 de dezembro de 2007, com os dados (vazão) sendo obtidos com intervalos mensais, totalizando 127 meses de informações. O algoritmo de predição proposto pela Rede Neural receberá como entrada os erros gerados pelo modelo estatístico de série e fornecerá como saída uma estimativa do erro no tempo n+h onde h representa o horizonte de predição. Os erros estimados pela Rede Neural serão adicionados ao Modelo de Série Temporal com a finalidade de corrigi-lo. Por fim, será feito um estudo comparativo da performance preditiva do modelo de Box & Jenkins clássico e o modelo de Box & Jenkins corrigido pela Rede Neural. A arquitetura recorrente em estudo neste trabalho deverá ser capaz de prover estimativas confiáveis, tanto para um horizonte de predição de passos simples quanto para um horizonte de múltiplos passos. O software utilizado para realização do ajuste do modelo estatístico de Série Temporal foi o R Project for Statistical Computing - versão 2.14.1. Para fazer as implementações necessárias da Rede Neural, a ferramenta computacional utilizada foi o software Matlab Versão 7.0.2 (R2011a).#$&Nowadays, it is of great interest to study the methods of time series prediction, i.e. able to identify and predict some of the characteristics of the process in a future point. In petroleum engineering is one of the essential activities is the estimated of oil production, existing on oil reserves from mature reservoirs. The calculation of these reserves is crucial for determining the economic viability of their exploitation. Therefore, the oil industry makes use of conventional techniques for reservoir, such as mathematical numeric simulation to predict the oil production. Given this fact, this paper's primal goal is to propose an methodology of Time Series Analysis based on the traditional statistic models from Box & Jenkins, with the smart technique from Artificial Neural Networks {Redes Nenrais Artificais - RNA's), allows the construction of a hybrid model for prediction of oil production data, based on the ability of the network has to learn from experience and start the generalization based on its own prior knowledge. For such, the Neural Network will be trained to estimate and rectify the errors associated with the time series statistic model, in order to bring the estimated series closer to the original data series. The studied Series data refer to the oil flow curve from a reservoir located on a field on the northeastern region from Brazil. It was obtained on the period between July 31, 1998 and December 31, 2007, with the data (flow) being obtained at monthly intervals, making a total 127 months information. The prediction algorithm proposed by the neural network will receive the generated mistakes from the series statistic model as an entry, and will provide an error estimate on time n+h, where h stands for the prediction horizon. The errors estimated by Neural Network will be added to Time Series Model in order to fix it. Lastly, there will be a comparative study of the predictive performance between the Box & Jenkins classical model and the Box & Jenkins model corrected by Neural Network. The applicant architecture studied in this work should be able to provide reliable estimates, both for a prediction horizon of simple steps as for a horizon of multiple steps. The software used to perform the adjustment of statistical time series model was the R Project for Statistical Computing -version 2.14.1. To implement the neural network, the software tool used was Matlab version 7.0.2 (R2011a). 1 2022-10-06T08:29:10Z 2022-10-06T08:29:10Z 2013. Dissertação 665.6 S586m DISSERT 201119 https://repositorio.ufrn.br/jspui/bitstream/123456789/12981/1/ModeloH%c3%adbridoPrevisao_Silva_2013.pdf https://repositorio.ufrn.br/jspui/bitstream/123456789/12981/1/ModeloH%c3%adbridoPrevisao_Silva_2013.pdf |