La cuenca Perth, ubicada en el margen occidental de Australia, actualmente tiene una relevancia significativa debido a los nuevos descubrimientos de hidrocarburos y su potencial exploratorio en energía geotérmica, y su marco estructural es importante en el desarrollo económico de estos campos de investigación. El objetivo principal de este proyecto es adaptar a la cuenca Perth, especialmente a la subcuenca de Dandaragan, una predicción del registro sónico con el fin de correlacionar el registro sónico con las fracturas identificadas en las imágenes de FMI. La metodología se basa en el aprendizaje automatizado (Machine learning) de Nuwara, (2020), a partir de los registros de densidad, neutrón y gamma ray, disponibles en cinco pozos proporcionados por la base de datos del gobierno australiano. Se estableció un flujo de trabajo para el desarrollo de este proyecto basado en un código Python, y se llevó a cabo la predicción del registro sónico utilizando la Biblioteca de Análisis de Datos Pandas  para el procesamiento de datos, el paquete Seaborn “pair-plot” y el mapa de calor (correlación de Spearman) para obtener la correlación y distribución de datos univariados y multivariados, y adicionalmente, para incrementar la correlación de la información, se realizó una transformación de datos (normalización) y se eliminaron los valores atípicos (outliers).  Al probar diferentes métodos de regresión y utilizar métricas como R-cuadrado (R2) y el error cuadrático medio (RMSE) para la evaluación de regresiones y estimar el rendimiento, se pudo realizar la predicción del registro sónico en 3 pozos de entrenamiento. Consecuentemente, se realizó la predicción final y se obtuvieron los registros sónicos (DT) en dos pozos que no contaban con esta información, utilizando la regresión Gradient Boosting. Los DT obtenidos se correlacionaron con las fracturas identificadas en los registros FMI, encontrando ciertos intervalos asociados. Los resultados obtenidos probaron la utilidad del Machine Learning en el conjunto de datos de la Subcuenca de Dandaragan, lo cual revela la relevancia de la inteligencia automatizada en la interpretación geológica en la actualidad. 

  • Ana María Rodríguez, Silvio Pacheco, Aldo Molano
  • 2anama2r@gmail.com
  • Poster