Um Modelo híbrido para previsão de curvas de produção de petróleo

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior

Atualmente, é de grande interesse o estudo de métodos de previsão de Séries Temporais, ou seja, conseguir identificar e predizer algumas características do processo num ponto futuro. Na engenharia de petróleo uma das atividades essenciais é a estimativa de produção de óleo existente nas reservas petrolíferas de reservatórios maduros. O cálculo dessas reservas é crucial para a determinação da viabilidade econômica de sua explotação. Para tanto, a indústria do petróleo faz uso de técnicas convencionais de modelagem de reservatórios como simulação numérica matemática para previsão da produção de petróleo. Diante deste fato, o objetivo fundamental deste trabalho é propor uma metodologia de Análise de Séries Temporais baseada nos tradicionais modelos estatísticos de Box & Jenkins, que em conjunto com a técnica inteligente de Redes Neurais Artificiais (RNA s), possibilite a construção de um modelo híbrido de predição de dados de produção de petróleo, tomando por base a capacidade que a rede tem em aprender com a experiência e partir para generalização baseada no seu conhecimento prévio. Para tanto, a Rede Neural será treinada com a finalidade de estimar e corrigir os erros associados ao modelo estatístico de Série Temporal, de forma a aproximar a série estimada à série de dados original. Os dados da Série Temporal em estudo referem-se à curva de vazão de petróleo de um reservatório localizado em um campo da região nordeste do Brasil. A série em estudo foi obtida no período 31de julho do ano 1998 ate 31 de dezembro de 2007, com os dados (vazão) sendo obtidos com intervalos mensais, totalizando 127 meses de informações. O algoritmo de predição proposto pela Rede Neural receberá como entrada os erros gerados pelo modelo estatístico de série e fornecerá como saída uma estimativa do erro no tempo n+h onde h representa o horizonte de predição. Os erros estimados pela Rede Neural serão adicionados ao Modelo de Série Temporal com a finalidade de corrigi-lo. Por fim, será feito um estudo comparativo da performance preditiva do modelo de Box & Jenkins clássico e o modelo de Box & Jenkins corrigido pela Rede Neural. A arquitetura recorrente em estudo neste trabalho deverá ser capaz de prover estimativas confiáveis, tanto para um horizonte de predição de passos simples quanto para um horizonte de múltiplos passos. O software utilizado para realização do ajuste do modelo estatístico de Série Temporal foi o R Project for Statistical Computing - versão 2.14.1. Para fazer as implementações necessárias da Rede Neural, a ferramenta computacional utilizada foi o software Matlab Versão 7.0.2 (R2011a)