Artigo em revista científica Q4
Aplicação das redes neuronais artificiais para classificação das operações de perfuração: O caso de poços deepwater de exploração e produção
Valter Chaile (Chaile, V.); Sérgio Moro (Moro, S.); Arístides Carneiro (Carneiro, A.); Ricardo F. Ramos (Ramos, R. F.);
Título Revista
RISTI - Revista Ibérica de Sistemas e Tecnologias de Informação/Iberian Journal of Information Systems and Technologies (RISTI)
Ano (publicação definitiva)
2021
Língua
Português
País
Portugal
Mais Informação
Web of Science®

Esta publicação não está indexada na Web of Science®

Scopus

N.º de citações: 1

(Última verificação: 2024-04-19 17:20)

Ver o registo na Scopus


: 1.1
Google Scholar

N.º de citações: 2

(Última verificação: 2024-04-24 22:00)

Ver o registo no Google Scholar

Títulos Alternativos

(Inglês) Application of Artificial Neural Networks for Classification of Drilling Operations: The deepwater wells case of exploration and production

Abstract/Resumo
A aplicação de métodos automáticos para classificação de texto não estruturadas são extremamente valiosas para a indústria de Oil&Gas. A perfuração é uma operação que acarreta custos elevados que são proporcionais à duração das atividades. A classificação das diversas operações durante a perfuração é muito importante para gerar premissas de duração para o projeto de novos poços. Para este artigo, dois procedimentos independentes foram realizados para identificar o melhor modelo de NPT (Non-Productive Time) e PT (Productive Time ). As conclusões apontam o modelo Multi-layer Perceptron (MLP) como o melhor modelo. O sistema de classificação pode ser utilizado para produzir um relatório preciso e detalhado sobre as atividades realizadas durante a perfuração de um poço. Através desse trabalho é possível concluir que os relatórios diários de perfuração atualmente disponíveis representam uma fonte rica de informação e podem ser utilizados para melhorar o processo de construção de poços de petróleo.
Agradecimentos/Acknowledgements
--
Palavras-chave
Redes neuronais artificiais,Inteligência artificial,Classificação,Aprendizagem de máquina,Perfuração,Completação
  • Ciências da Computação e da Informação - Ciências Naturais
  • Ciências da Terra e do Ambiente - Ciências Naturais
Registos de financiamentos
Referência de financiamento Entidade Financiadora
UIDB/04466/2020 Fundação para a Ciência e a Tecnologia

Com o objetivo de aumentar a investigação direcionada para o cumprimento dos Objetivos do Desenvolvimento Sustentável para 2030 das Nações Unidas, é disponibilizada no Ciência-IUL a possibilidade de associação, quando aplicável, dos artigos científicos aos Objetivos do Desenvolvimento Sustentável. Estes são os Objetivos do Desenvolvimento Sustentável identificados pelo(s) autor(es) para esta publicação. Para uma informação detalhada dos Objetivos do Desenvolvimento Sustentável, clique aqui.