Predicción de la presión de burbujeo utilizando aprendizaje automático
Resumen
En el presente estudio se utilizó la colección de algoritmos de aprendizaje automático del programa Weka para predecir la presión de burbujeo de 36 muestras de petróleo, determinando la precisión de sus resultados con el método de prueba validación cruzada de 10 pliegues. Posteriormente, para efectos de comparación, se calcularon las presiones de burbujeo con la correlación generada en el trabajo del cual se tomaron las muestras y sus resultados fueron más precisos que los obtenidos por los algoritmos en 4 de las 7 métricas de rendimiento utilizadas. En virtud de esta situación, y considerando que la correlación fue evaluada con los mismos datos con los que fue generada, se cambió el método de prueba a validación con los datos de entrenamiento y se volvieron a predecir las presiones de burbujeo. En igualdad de condiciones, el aprendizaje automático obtuvo mayor precisión que la correlación en todas las métricas de rendimiento.
Descargas
Citas
X. Yang, B. Dindoruk and L. Lu, “A comparative analysis of bubble point pressure prediction using advanced machine learning algorithms and classical correlations”, Journal of Petroleum Science and Engineering, vol. 185, 106598, 2020. Available: https://doi.org/10.1016/j.petrol.2019.106598.
M. M. Almashan, Z. Arsalan, Y. Narusue and H. Morikawa, “Estimating Pressure-Volume-Temperature Properties of Crude Oil Systems Using Boosted Decision Tree Regression”, Journal of the Japan Petroleum Institute, vol. 65, nº. 6, pp. 221-232, 2022. Available: https://doi.org/10.1627/jpi.65.221.
K. Ghorayeb, A. Mawlod, A. Maarouf, Q. Sami, N. El Droubi, R. Merrill, O. El Jundi and H. Mustapha, “Chain-based machine learning for full PVT data prediction”, Journal of Petroleum Science and Engineering, vol. 208, Part D, 109658, 2022. Available: https://doi.org/10.1016/j.petrol.2021.109658.
A. M. Elsharkawy, "Modeling the Properties of Crude Oil and Gas Systems Using RBF Network." Paper presented at the SPE Asia Pacific Oil and Gas Conference and Exhibition, Perth, Australia, October 1998. Available: https://doi.org/10.2118/49961-MS.
R. B. Gharbi and A. M. Elsharkawy, “Neural network model for estimating the PVT properties of Middle East crude oils”. Paper presented at the Middle East Oil Show and Conference, Bahrain, March 1997. Available: https://doi.org/10.2118/37695-MS.
R. B. Gharbi, A. M. Elsharkawy and M. Karkoub, “Universal Neural-Network-Based Model for Estimating the PVT Properties of Crude Oil Systems”. Energy Fuels, vol. 13, pp. 454–458, 1999. Available: https://doi.org/10.1021/ef980143v.
S. Alatefi and A. M. Almeshal. “A New Model for Estimation of Bubble Point Pressure Using a Bayesian Optimized Least Square Gradient Boosting Ensemble”. Energies, vol. 14, nº. 9, pp. 2653, 2021. Available: https://doi.org/10.3390/en14092653.
A. Sircar, K. Yadav, K. Rayavarapu, N. Bist and H. Oza. “Application of machine learning and artificial intelligence in oil and gas industry”. Petroleum Research, vol. 6, n°. 4, pp. 379-391, 2021. Available: https://doi.org/10.1016/j.ptlrs.2021.05.009.
M. Ahmadi, M. Pournik and S. Shadizadeh. “Toward connectionist model for predicting bubble point pressure of crude oils: Application of artificial intelligence”. Petroleum, vol. 1, n°. 4, pp. 307-317, 2015. Available: https://doi.org/10.1016/j.petlm.2015.08.003.
F. Alakbari, M. Mohyaldinn, M. Ayoub, A. Muhsan and I. Hussein. “A reservoir bubble point pressure prediction model using the Adaptive Neuro-Fuzzy Inference System (ANFIS) technique with trend analysis. PLoS ONE vol. 17, n°. 8, e0272790, 2022. Available: https://doi.org/10.1371/journal.pone.0272790.
Weka 3-Data Mining with Open Source Machine Learning Software in Java. Available online: https://www.cs.waikato.ac.nz/ml/weka/.
R. A. Al-Mehaideb, “Improved PVT Correlations for UAE Offshore Crudes”, Journal of The Japan Petroleum Institute, vol. 40, nº. 3, pp. 232-235, 1997. Available: https://doi.org/10.1627/jpi1958.40.232.
S.M. Macary and M.H. El-Batanoney “Derivation of PVT Correlations for the Gulf of Suez Crude Oils”, Journal of The Japan Petroleum Institute, vol. 36, nº. 6, pp. 472-478, 1993. Available: https://doi.org/10.1627/jpi1958.36.472.
IArtificial.net: ¿Clasificación o Regresión? [Online]. Available: https://www.iartificial.net/clasificacion-o-regresion/.
M. Senthamilselvi and P.S.S. Akilashri, "A Comparative Study on Weka, orange Tool for Mushroom data Set", International Journal of Computer Sciences and Engineering, vol. 06, nº. 11, pp. 231-236, 2018. Available: www.ijcseonline.org.
T. Chai and R. Draxler, “Root mean square error (RMSE) or mean absolute error (MAE)? – Arguments against avoiding RMSE in the literatura”, Geoscientific Model Development, vol. 7, nº. 3, pp. 1247–1250, 2014. Available: https://doi.org/10.5194/gmd-7-1247-2014, 2014.
T. Hodson, “Root-mean-square error (RMSE) or mean absolute error (MAE): when to use them or not”, Geoscientific Model Development, vol. 15, nº. 14, pp. 5481–5487, 2022. Available: https://doi.org/10.5194/gmd-15-5481-2022.
S. Taipe y G. Ampuño, “Modelo del proceso de producción de energía en centrales de generación térmica considerando el perfil de funcionamiento”, Ciencia Latina Revista Científica Multidisciplinar, vol. 6, nº. 4, pp. 5541-5560, 2022. Available: https://doi.org/10.37811/cl_rcm.v6i4.3032.
B. Moradi, E. Malekzadeh, M. Amani, F. Boukadi, and R. Kharrat. "Bubble Point Pressure Empirical Correlation." Paper presented at the Trinidad and Tobago Energy Resources Conference, Port of Spain, Trinidad, June 2010. Available: https://doi.org/10.2118/132756-MS.
Data science: Validación cruzada K-Fold [Online]. Available: https://datascience.eu/es/aprendizaje-automatico/validacion-cruzada-de-k-fold/.
Derechos de autor 2023 Innovación y Software
Esta obra está bajo licencia internacional Creative Commons Reconocimiento 4.0.
Los autores ceden en exclusiva el derecho de publicación de su artículo a la Revista Innovación y Software, que podrá editar o modificar formalmente el texto aprobado para cumplir con las normas editoriales propias y con los estándares gramaticales universales, antes de su publicación; asimismo, nuestra revista podrá traducir los manuscritos aprobados a cuantos idiomas considere necesario y difundirlos en varios países, dándole siempre el reconocimiento público al autor o autores de la investigación.
