Por favor, use este identificador para citar o enlazar este ítem: http://dspace.udla.edu.ec/handle/33000/16159
Tipo de material : masterThesis
Título : Modelo Predictivo de Producción de Hidrocarburos en el Campo Sacha operado por EP PETROECUADOR: Integración de Datos de Producción y Pruebas de Pozos
Autor : Pérez Padilla, Gabriel Marcelo
Tutor : González Rodríguez, Mario Salvador
Palabras clave : MODELO PREDICTIVO;PRODUCCIÓN DE HIDROCARBUROS;INTEGRACIÓN DE DATOS;PRODUCCIÓN Y PRUEBAS
Fecha de publicación : 2024
Editorial : Quito: Universidad de las Américas, 2024
Citación : Pérez, G. (2024). Modelo Predictivo de Producción de Hidrocarburos en el Campo Sacha operado por EP PETROECUADOR: Integración de Datos de Producción y Pruebas de Pozos (Tesis de maestría). Universidad de las Américas, Quito.
Resumen : La investigación Modelo Predictivo de Producción de Hidrocarburos en el Campo Sacha operado por EP PETROECUADOR se centra en elaborar un modelo predictivo para estimar la producción futura de crudo, agua y gas en el Campo Sacha. Utilizando datos de los sistemas TOW y LOWIS, y empleando técnicas avanzadas de análisis y machine learning, el estudio busca optimizar la eficiencia en la extracción de hidrocarburos. Se analizaron diversas metodologías predictivas, desde modelos lineales básicos hasta complejos modelos de ensamble como Random Forest. Los resultados demuestran que el modelo Random Forest ofrece una gran exactitud en las predicciones, facilitando una planificación y gestión más eficiente de los recursos. Este enfoque proporciona a EP PETROECUADOR una herramienta para mejorar la toma de decisiones, reducir riesgos y maximizar rentabilidad operativa del campo.
Descripción : The research Predictive Model for Hydrocarbon Production in the Sacha Field Operated by EP PETROECUADOR aims to develop a predictive model to estimate future production of oil, water, and gas in the Sacha Field. Using data from TOW and LOWIS systems and employing advanced analytical and machine learning techniques, the study seeks to optimize hydrocarbon extraction efficiency. Various predictive methodologies were analyzed, from basic linear models to complex ensemble models like Random Forest. Results show that the Random Forest model provides high prediction accuracy, enabling better resource planning and management. This approach offers EP PETROECUADOR a valuable tool for improving decision-making, reducing risks, and maximizing the operational profitability of the field.
URI : http://dspace.udla.edu.ec/handle/33000/16159
Aparece en las colecciones: Maestría en Inteligencia de Negocios y Ciencia de Datos

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
UDLA-EC-TMINCD-2024-10.pdf1,79 MBAdobe PDFVisualizar/Abrir


Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons Creative Commons