Estudo de solvatocromismo em líquidos moleculares orgânicos via método seqüencial Monte Carlo/Mecânica Quântica

Utilizou-se o método seqüencial Monte Carlo / Mecânica Quântica para obterem-se os desvios de solvatocromismo e os momentos de dipolo dos sistemas de moléculas orgânicas: Uracil em meio aquoso, -Caroteno em Ácido Oléico, Ácido Ricinoléico em metanol e em Etanol e Ácido Oléico em metanol e em Etanol. As otimizações das geometrias e as distribuições de cargas foram obtidas através da Teoria do Funcional Densidade com o funcional B3LYP e os conjuntos de funções de base 6-31G(d) para todas as moléculas exceto para a água e Uracil, as quais, foram utilizadas o conjunto de funções de base 6-311++G(d,p). No tratamento clássico, Monte Carlo, aplicou-se o algoritmo Metropólis através do programa DICE. A separação de configurações estatisticamente relevantes para os cálculos das propriedades médias foi implementada com a utilização da função de auto-correlação calculada para cada sistema. A função de distribuição radial dos líquidos moleculares foi utilizada para a separação da primeira camada de solvatação, a qual, estabelece a principal interação entre soluto-solvente. As configurações relevantes da primeira camada de solvatação de cada sistema foram submetidas a cálculos quânticos a nível semi-empírico com o método ZINDO/S-CI. Os espectros de absorção foram obtidos para os solutos em fase gasosa e para os sistemas de líquidos moleculares comentados. Os momentos de dipolo elétrico dos mesmos também foram obtidos. Todas as bandas dos espectros de absorção dos sistemas tiveram um desvio para o azul, exceto a segunda banda do sistema de Beta-Caroteno em Ácido Oléico que apresentou um desvio para o vermelho. Os resultados encontrados apresentam-se em excelente concordância com os valores experimentais encontrados na literatura. Todos os sistemas tiveram aumento no momento de dipolo elétrico devido às moléculas dos solventes serem moléculas polares. Os sistemas de ácidos graxos em álcoois apresentaram resultados muito semelhantes, ou seja, os ácidos graxos mencionados possuem comportamentos espectroscópicos semelhantes submetidos aos mesmos solventes. As simulações através do método seqüencial Monte Carlo / Mecânica Quântica estudadas demonstraram que a metodologia é eficaz para a obtenção das propriedades espectroscópicas dos líquidos moleculares analisados.

Imageamento da porosidade através de perfis geofísicos de poço

O imageamento da porosidade é uma representação gráfica da distribuição lateral da porosidade da rocha, estimada a partir de dados de perfis geofísicos de poço. Apresenta-se aqui uma metodologia para produzir esta imagem geológica, totalmente independente da intervenção do intérprete, através de um algoritmo, dito, interpretativo baseado em dois tipos de redes neurais artificiais. A primeira parte do algoritmo baseia-se em uma rede neural com camada competitiva e é construído para realizar uma interpretação automática do clássico gráfico o P_b - Φ_N, produzindo um zoneamento do perfil e a estimativa da porosidade. A segunda parte baseia-se em uma rede neural com função de base radial, projetado para realizar uma integração espacial dos dados, a qual pode ser dividida em duas etapas. A primeira etapa refere-se à correlação de perfis de poço e a segunda à produção de uma estimativa da distribuição lateral da porosidade. Esta metodologia ajudará o intérprete na definição do modelo geológico do reservatório e, talvez o mais importante, o ajudará a desenvolver de um modo mais eficiente as estratégias para o desenvolvimento dos campos de óleo e gás. Os resultados ou as imagens da porosidade são bastante similares às seções geológicas convencionais, especialmente em um ambiente deposicional simples dominado por clásticos, onde um mapa de cores, escalonado em unidades de porosidade aparente para as argilas e efetiva para os arenitos, mostra a variação da porosidade e a disposição geométrica das camadas geológicas ao longo da seção. Esta metodologia é aplicada em dados reais da Formação Lagunillas, na Bacia do Lago Maracaibo, Venezuela.

Estimativa dos perfis de permeabilidade e de porosidade utilizando rede neural artificial

A permeabilidade e a porosidade são duas das mais importantes propriedades petrofísicas para a qualificação dos reservatórios de óleo e gás. A porosidade está relacionada à capacidade de armazenamento de fluidos e a permeabilidade, com a capacidade de produção destes fluidos. Suas medidas são, normalmente, realizadas em laboratório, através de testemunhos da rocha. Esses processos têm custos elevados e nem todos os poços são testemunhados. As estimativas da permeabilidade e da porosidade são de fundamental importância para os engenheiros de reservatório e geofísicos, uma vez que seus valores podem definir a completação ou não de um poço petrolífero. O perfil de porosidade e sua relação com o perfil de densidade, é bem conhecida na geofísica de poço. No entanto, existem poucas relações quantitativas e/ou qualitativas entre a porosidade e a permeabilidade, como por exemplo as relações de Kozeny. Sendo assim, este trabalho busca o estabelecimento do perfil de permeabilidade e do perfil de porosidade, a partir de informações do perfil de densidade. Para tanto, buscamos a relação entre a propriedade física da rocha (densidade) e as propriedades petrofísicas: permeabilidade e porosidade, utilizando como metodologia à técnica de redes neurais artificiais, como a rede neural artificial com função de base radial. A obtenção da permeabilidade e da porosidade a partir da rede neural artificial, que possui como entrada a informação da densidade possibilita um menor custo para a aquisição dessas importantes informações petrofísicas, permite ao intérprete de perfis de poço optar ou não pela exploração de uma unidade estudada, além de uma visão mais completa do reservatório. Os procedimentos para a estimativa da permeabilidade e da porosidade estão direcionados para uma única formação, mas os intérpretes de perfis poderão aplicar a diretriz apresentada no programa de rede neural artificial com função de base radial, utilizando a estimativa dessas propriedades petrofísicas para outras formações, inclusive de outros campos petrolíferos. Portanto, recomenda-se a utilização de um conjunto de dados completo, com quantidade de dados suficientes de um mesmo poço, a fim de viabilizar corretamente a melhor interpretação.

An automatic methodology for obtaining optimum shape factors for the radial point interpolation method

In this letter, a methodology is proposed for automatically (and locally) obtaining the shape factor c for the Gaussian basis functions, for each support domain, in order to increase numerical precision and mainly to avoid matrix inversion impossibilities. The concept of calibration function is introduced, which is used for obtaining c. The methodology developed was applied for a 2-D numerical experiment, which results are compared to analytical solution. This comparison revels that the results associated to the developed methodology are very close to the analytical solution for the entire bandwidth of the excitation pulse. The proposed methodology is called in this work Local Shape Factor Calibration Method (LSFCM).