Análise exploratória preditiva de anomalias em poços de extração de petróleo e gás

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorSantos, Eduardo Nunes dos-
Autor(es): dc.contributorLazzaretti, André Eugênio-
Autor(es): dc.contributorSantos, Eduardo Nunes dos-
Autor(es): dc.contributorLazzaretti, André Eugênio-
Autor(es): dc.contributorBorba, Gustavo Benvenutti-
Autor(es): dc.contributorPipa, Daniel Rodrigues-
Autor(es): dc.creatorPriotto, Felipe Messias-
Autor(es): dc.creatorTeixeira, Raphael Marinho-
Data de aceite: dc.date.accessioned2025-08-29T12:35:21Z-
Data de disponibilização: dc.date.available2025-08-29T12:35:21Z-
Data de envio: dc.date.issued2025-02-10-
Data de envio: dc.date.issued2025-02-10-
Data de envio: dc.date.issued2023-06-19-
Fonte completa do material: dc.identifierhttp://repositorio.utfpr.edu.br/jspui/handle/1/35929-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/capes/1098183-
Descrição: dc.descriptionThis work consists of an extensive exploratory data analysis (EDA) and the development of a machine learning model through Deep Learning aimed at optimizing and reducing costs in deepwater oil and gas extraction. The predictive model’s function is to anticipate events that could be costly for the exploration company. To achieve this, data science methods were applied to the 3W dataset created by Petrobras, which contains both real and simulated data from the company’s extraction fields. During the research, transformer and LSTM models were tested, with a comparison between the two, resulting in the selection of the transformer model due to its parallelization capabilities during training. The model evaluation metrics were satisfactory, achieving over 98% accuracy in the final model. Furthermore, interpretability of the model was successfully conducted using the Class Activation Map (CAM) technique, confirming the assessments intuitively and drawing parallels with the physical behavior of the sensors.-
Descrição: dc.descriptionEste trabalho consiste em uma extensa análise exploratória de dados (EDA) e na criação de um modelo de aprendizado de máquina por meio de Deep Learning voltado para a otimização e redução de custos na extração de petróleo e gás em águas profundas. O modelo preditivo tem como função prever antecipadamente eventos que poderiam ser custosos para a empresa desenvolvedora da exploração. Para isso, foram utilizados métodos de ciência de dados no dataset 3W criado pela Petrobras, que contém dados reais e simulados de campos de extração da empresa. Durante a pesquisa, foram testados modelos transformer e LSTM, com uma comparação entre os dois, resultando na escolha do modelo transformer devido à sua capacidade de paralelização no treinamento. As métricas de avaliação do modelo foram satisfatórias, alcançando mais de 98% de acurácia no modelo final. Além disso, foi realizada interpretação do modelo usando a técnica CAM (Class Activation Map), que confirmou as avaliações visualmente, estabelecendo um paralelo com o comportamento físico dos sensores.-
Formato: dc.formatapplication/pdf-
Idioma: dc.languagept_BR-
Publicador: dc.publisherUniversidade Tecnológica Federal do Paraná-
Publicador: dc.publisherCuritiba-
Publicador: dc.publisherBrasil-
Publicador: dc.publisherEngenharia Eletrônica-
Publicador: dc.publisherUTFPR-
Direitos: dc.rightsopenAccess-
Direitos: dc.rightshttp://creativecommons.org/licenses/by/4.0/-
Palavras-chave: dc.subjectAprendizado profundo (Aprendizado do computador)-
Palavras-chave: dc.subjectAprendizado do computador-
Palavras-chave: dc.subjectAnálise multivariada-
Palavras-chave: dc.subjectPetróleo - Prospecção-
Palavras-chave: dc.subjectDetectores-
Palavras-chave: dc.subjectDeep learning (Machine learning)-
Palavras-chave: dc.subjectMachine learning-
Palavras-chave: dc.subjectMultivariate analysis-
Palavras-chave: dc.subjectPetroleum - Prospecting-
Palavras-chave: dc.subjectDetectors-
Palavras-chave: dc.subjectCNPQ::ENGENHARIAS-
Título: dc.titleAnálise exploratória preditiva de anomalias em poços de extração de petróleo e gás-
Título: dc.titlePredictive exploratory analysis of anomalies in oil and gas extraction wells-
Tipo de arquivo: dc.typelivro digital-
Aparece nas coleções:Repositorio Institucional da UTFPR - RIUT

Não existem arquivos associados a este item.