Predicción del registro sónico mediante una red neuronal de aprendizaje profundo

Abstract

El registro sónico es una herramienta importante que permite medir las propiedades mecánicas de las rocas, identificar rasgos estructurales, calibrar datos sísmicos y monitorear la integridad del pozo. A pesar de su importancia, frecuentemente se encuentra incompleto debido a cuestiones de tiempo, costo, fallas en la herramienta o datos medidos no confiables. Existen diversos métodos para generar registros sintéticos, los cuales regularmente están basados en relaciones empíricas o métodos estadísticos. En esta investigación, se aplicó una metodología de inteligencia artificial que consistió en entrenar una red neuronal profunda con datos reales provenientes de un campo petrolero en México para recrear el registro sónico a partir de su relación con otros registros geofísicos. Se entrenaron tres modelos distintos que utilizan diferentes registros como entrada para predecir el sónico. Los modelos se validaron con datos de los mismos pozos a los que el algoritmo no tuvo acceso durante el entrenamiento. Se midió el desempeño de los modelos con las métricas RMSE y MAPE, obteniendo valores satisfactorios. Además, se generaron registros sintéticos para pozos del campo donde inicialmente no se tomaron datos del sónico, demostrando la utilidad del método.