DSpace JSPUI

1. Lumieres - Repositorio institucional Universidad de América
2. Ingenierías
3. Maestría Ingeniería de Yacimientos
4. Tesis - Maestría en Ingeniería de Yacimientos

Title:	Caracterización del potencial de almacenamiento y secuestro de CO2 en un sector de la Cuenca de los Llanos Orientales de Colombia, mediante modelamiento estático y aprendizaje automático
Other Titles:	Characterization of the CO2 storage and sequestration potential in a sector of the Llanos Orientales of Colombia Basin, through static modeling and machine learning
Authors:	Gelvez Rodríguez, Jenny Carolina Kairuz Hernández, Edgar Chajid
metadata.dc.contributor.advisordocentenoinv:	Romero Sánchez, Adriangela Chiquinquirá
License type:	Atribución – No comercial
Keywords:	Captura de CO2;Formación carbonera;Modelo estático;CO2 capture;Coal formation;Static model;Tesis y disertaciones académicas
Issue Date:	14-Feb-2024
Publisher:	Fundación Universidad de América
Resumen:	El área de estudio (36,665 km2), se localiza en la cuenca de los Llanos Orientales, en la zona poco deformada, provincia del Casanare, caracterizada por un gran homoclinal con buzamiento hacia el occidente, afectada por fallas normales antitéticas y sintéticas, con saltos de falla moderados. La secuencia sedimentaria comprende rocas del Paleozoico, Cretáceo y Terciario, compuesta por intercalaciones de areniscas y arcillolitas, de estas unidades por las características de continuidad areal, espesor, propiedades petrofísicas y profundidad e información disponible, se seleccionó el Intervalo C1 de la Formación Carbonera como potencial almacenador y la Formación León como sello, para evaluar su potencial para almacenar y secuestrar CO2. En el área se trabajó se tuvo acceso a información de aproximadamente 100 pozos perforados por la industria de los hidrocarburos, en especial datos de registros eléctricos, historias de pozo y algunos análisis de muestras de pared, así como cerca de 5,000 kilómetros de sísmica 2D, para ser integrados y analizados. Por medio de la implementación de aprendizaje automático se determinaron los topes de un grupo de pozos objetivo (topes a predecir), a partir de un grupo de pozos de aprendizaje, lo cual permitió predecir el tope de las unidades de interés en el 90% de 42 pozos seleccionado para este fin.
Abstract:	The study area (36,665 km2) is located in the Llanos Orientales basin, in the slightly deformed area, Casanare province, characterized by a large homocline dipping towards the west, affected by antithetic and synthetic normal faults, with jumps. moderate failure. The sedimentary sequence includes rocks from the Paleozoic, Cretaceous and Tertiary, composed of intercalations of sandstones and claystones, of these units due to the characteristics of areal continuity, thickness, petrophysical properties and depth and available information, Interval C1 of the Carbonera Formation was selected as storage potential and the León Formation as a seal, to evaluate its potential to store and sequester CO2. In the area, work was done and information from approximately 100 wells drilled by the hydrocarbon industry was accessed, especially data from electrical logs, well histories and some analysis of wall samples, as well as about 5,000 kilometers of 2D seismic, to be integrated and analyzed. Through the implementation of machine learning, the tops of a group of target wells (tops to be predicted) were determined from a group of learning wells, which made it possible to predict the top of the units of interest in 90% of 42 wells selected for this purpose.
URI:	https://hdl.handle.net/20.500.11839/9510
Citation:	APA 7th - Gelvez Rodríguez, J. C. y Kairuz Hernández, E. C. (2024) Caracterización del potencial de almacenamiento y secuestro de CO2 en un sector de la Cuenca de los Llanos Orientales de Colombia, mediante modelamiento estático y aprendizaje automático. [Tesis de maestría, Fundación Universidad de América] Repositorio Institucional Lumieres. https://hdl.handle.net/20.500.11839/9510
metadata.dc.publisher.program:	Ingeniería de yacimientos
Appears in Collections:	Tesis - Maestría en Ingeniería de Yacimientos

This item is licensed under a Creative Commons Licence