Please use this identifier to cite or link to this item: https://repositorio.ufjf.br/jspui/handle/ufjf/17569
Files in This Item:
File Description SizeFormat 
vagnervileladeoliveira.pdf1.79 MBAdobe PDFThumbnail
View/Open
Full metadata record
DC FieldValueLanguage
dc.contributor.advisor1Fonseca, Leonardo Goliatt da-
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/9030707448549156pt_BR
dc.contributor.advisor-co1Saporetti, Camila Martins-
dc.contributor.advisor-co1Latteshttp://lattes.cnpq.br/4862105931908699pt_BR
dc.contributor.referee1Fonseca Neto, Raul-
dc.contributor.referee1Latteshttp://lattes.cnpq.br/3572434390881704pt_BR
dc.contributor.referee2Carvalho, Iago Augusto de-
dc.contributor.referee2Latteshttp://lattes.cnpq.br/9975041225831602pt_BR
dc.creatorOliveira, Vagner Vilela de-
dc.creator.Latteshttp://lattes.cnpq.br/6005097469309543pt_BR
dc.date.accessioned2024-10-30T10:47:35Z-
dc.date.available2024-10-25-
dc.date.available2024-10-30T10:47:35Z-
dc.date.issued2024-09-26-
dc.identifier.urihttps://repositorio.ufjf.br/jspui/handle/ufjf/17569-
dc.description.abstractIn the complex oil and gas extraction process, there are many important indicators that must be monitored to maintain the efficiency and safety of the wells, the environment and especially the professionals involved in the operation. One of these indicators is Flowing Bottom Hole Pressure (FBHP). This indicator directly influences production control and well integrity, being a crucial parameter to avoid operational failures and minimize risks. Both low FBHP (which reduces production) and high FBHP (which entails various risks, including the risk of explosion) must be a constant focus of attention. In this sense, computational models have been developed to predict FBHP, providing additional or alternative forms to traditional measurements of this indicator. This dissertation explores the GMDH (Group Method of Data Handling) technique in FBHP predictive modeling. GMDH refers to a family of algorithms that is still little explored, especially in the oil and gas area. This research aims to fill this gap, evaluating the technique as a possible alternative in FBHP modeling. A comparative analysis is made between four different types of GMDH algorithms, pointing out advantages and limitations in terms of precision, generating interpretable models relating to the algorithms in their best performance configuration.pt_BR
dc.description.resumoNo complexo processo de extração de petróleo e gás, há muitos indicadores importantes que devem ser acompanhados para manter a eficiência e segurança dos poços, do meio-ambiente e principalmente dos profissionais envolvidos na operação. Um desses indicadores, é a Pressão de Fundo de Poço (FBHP). Esse indicador influencia diretamente o controle de produção e a integridade dos poços, sendo um parâmetro crucial para evitar falhas operacionais e minimizar riscos. Tanto a FBHP baixa (que reduz a produção) quanto alta (que acarreta riscos diversos, entre eles o risco de explosão) devem ser foco constante de atenção. Nesse sentido, modelos computacionais têm sido desenvolvidos para prever a FBHP, fornecendo formas adicionais ou alternativas às medidas tradicionais desse indicador. Essa dissertação explora a técnica do GMDH (Group Method of Data Handling) na modelagem preditiva da FBHP. O GMDH se refere a uma família de algoritmos ainda pouco explorada, sobretudo na área de petróleo e gás. Essa pesquisa visa preencher essa lacuna, avaliando a técnica como uma alternativa possível na modelagem de FBHP. É feita uma análise comparativa entre quatro diferentes tipos de algoritmos GMDH, apontando vantagens e limitações em termos de precisão, sendo gerados modelos interpretáveis relativos aos algoritmos em sua melhor configuração de desempenho.pt_BR
dc.languageporpt_BR
dc.publisherUniversidade Federal de Juiz de Fora (UFJF)pt_BR
dc.publisher.countryBrasilpt_BR
dc.publisher.departmentICE – Instituto de Ciências Exataspt_BR
dc.publisher.programPrograma de Pós-graduação em Modelagem Computacionalpt_BR
dc.publisher.initialsUFJFpt_BR
dc.rightsAcesso Abertopt_BR
dc.rightsAttribution-NoDerivs 3.0 Brazil*
dc.rights.urihttp://creativecommons.org/licenses/by-nd/3.0/br/*
dc.subjectPressão de fundo de poçopt_BR
dc.subjectFBHPpt_BR
dc.subjectRede neural polinomialpt_BR
dc.subjectGMDHpt_BR
dc.subjectModelagem computacionalpt_BR
dc.subjectModelo interpretávelpt_BR
dc.subjectInteligência artificialpt_BR
dc.subjectAprendizado de máquinapt_BR
dc.subjectFlowing bottom hole pressurept_BR
dc.subjectPolynomial neural networkpt_BR
dc.subjectComputational modelingpt_BR
dc.subjectInterpretable modelpt_BR
dc.subjectArtificial intelligencept_BR
dc.subjectMachine learningpt_BR
dc.subject.cnpqCNPQ::CIENCIAS EXATAS E DA TERRApt_BR
dc.titleModelagem da pressão de fundo de poço em sistemas de escoamento multifásico: uma abordagem utilizando modelos de redes neurais polinomiaispt_BR
dc.typeDissertaçãopt_BR
Appears in Collections:Mestrado em Modelagem Computacional (Dissertações)



This item is licensed under a Creative Commons License Creative Commons