Banca de DEFESA: FRANCISCA DE FATIMA DO N. SILVA

Uma banca de DEFESA de MESTRADO foi cadastrada pelo programa.
DISCENTE: FRANCISCA DE FATIMA DO N. SILVA
DATA: 06/02/2013
HORA: 16:00
LOCAL: Laboratório de Automação em Petróleo
TÍTULO:

UM MODELO HÍBRIDO PARA PREVISÃO DE CURVAS DE PRODUÇÃO DE PETRÓLEO

PALAVRAS-CHAVES:

Modelos estatísticos de Box & Jenkins, Redes Neurais Artificiais (RNA’s), Curvas de produção e vazão de petróleo

PÁGINAS: 100
GRANDE ÁREA: Engenharias
ÁREA: Engenharia Elétrica
RESUMO:

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 (m³/dia) de um reservatório e foram gerados pelo simulador comercial STARS (Steam, Thermal, and Advanced Processes Reservoir Simulator) – versão 2007, um simulador numérico trifásico de múltiplos componentes da CMG (Computer Modelling Group). 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.

 

MEMBROS DA BANCA:
Presidente - 347628 - ADRIAO DUARTE DORIA NETO
Interno - 347559 - WILSON DA MATA
Externo ao Programa - 320597 - PAULO SERGIO LUCIO
Externo à Instituição - FABIANA KARLA DE OLIVEIRA MARTINS VARELLA - UFERSA