Identificación de la presencia de hidrocarburos en arenas arcillosas usando un algoritmo de machine learning, registros de pozo e imágenes de fluorescencia de corazones

Abstract

La evaluación de la presencia de hidrocarburos en arenas con intercalaciones de arcilla por debajo de la resolución vertical de los registros de resistividad es una tarea difícil. Las arcillas al ser altamente conductivas generan supresión de los registros de resistividad haciendo que la saturación de agua calculada a través del modelo de Archie sea mayor a la existente en zonas altamente productivas. Otros modelos como Poupon, Waxman-Smits o Simandoux requieren de conocimiento de propiedades eléctricas de las arcillas a través de medidas de laboratorio o calibración en arcillas gruesas y representativas de las laminaciones. Avances recientes en algoritmos de Machine Learning y la disponibilidad de módulos de procesamiento de imágenes en Python, sugieren el entrenamiento de registros de pozo para reconocer variaciones en imágenes de fluorescencia ultravioleta (UV) como una promisoria forma de reconocer la presencia de hidrocarburos en yacimientos complejos. En este trabajo, se propone un nuevo método basado en Machine Learning, el cual es análogo al uso de algoritmos de reconocimiento facial, para predecir la compleja relación existente entre la presencia de hidrocarburos en arenas laminadas y medidas básicas de registro de pozo sin utilizar expresiones analíticas explícitas.