Services on Demand
Journal
Article
Indicators
Cited by SciELO
Access statistics
Related links
Cited by Google
Similars in SciELO
Similars in Google
Share
Boletín de Geología
Print version ISSN 0120-0283On-line version ISSN 2145-8553
Abstract
ORTIZ, Andrés Felipe; HERNANDO HERRERA, Edwar and SANTOS, Nicolás. Predicción de la porosidad a partir de registros de tomografía computarizada de rayos X (RHOB y PEF) usando Redes Neuronales Artificiales (ANN). Bol. geol. [online]. 2020, vol.42, n.3, pp.141-149. Epub Aug 31, 2020. ISSN 0120-0283. https://doi.org/10.18273/revbol.v42n3-2020006.
Este trabajo presenta un método para la predicción de la porosidad de la roca, a partir de los registros de tomografía computarizada de rayos X (CT) obtenidos mediante un enfoque de doble energía, específicamente, densidad aparente (RHOB) y factor fotoeléctrico (PEF). El método propuesto busca correlacionar la porosidad conocida de los Análisis básicos (RCAL) con los registros de alta resolución RHOB y PEF, ya que la respuesta de estas dos mediciones depende de la cantidad volumétrica de diferentes materiales de roca y del volumen de su espacio poroso. Redes Neuronales Artificiales (ANN) son entrenadas para que puedan predecir la porosidad a partir de estos registros CT a una alta resolución (0,625 mm). Los gráficos de validación y regresión de las ANN muestran que las predicciones de porosidad son buenas. Los modelos de porosidad de alta resolución vinculados a imágenes de CT podrían contribuir a mejorar el modelo de petrofísica del pozo, ya que permiten una identificación más refinada de los intervalos de interés debido a su medición detallada.
Keywords : CT; Imágenes de rocas; Registros de pozo; Registros de alta resolución; Inteligencia artificial.