Resumen

En años recientes, los métodos de aprendizaje automático (machine learning) se han popularizado para resolver muchos problemas guiados por datos en la industria petrolera, especialmente en la modelación de yacimientos. Sin embargo, estos métodos a menudo se aplican de manera aislada y mecánica, sin un entendimiento claro de sus alcances y limitaciones, y se utilizan como si fueran fórmulas mágicas, sin seguir un enfoque metodológico sistemático.

Este trabajo presenta la aplicación de métodos de aprendizaje automático en el contexto de la modelación geológico-petrofísica de yacimientos, siguiendo el enfoque metodológico de la ciencia de datos. En particular, se destaca el papel fundamental que juega el análisis estadístico de los datos en la aplicación de estos métodos.

Es importante subrayar que este enfoque no sustituye la práctica habitual de aplicar métodos de simulación estocásticos y geoestadísticos en la distribución espacial de facies y propiedades petrofísicas en la modelación de yacimientos. Más bien, se integra de manera armónica y complementaria, ya que no siempre se dispone de un conjunto de datos de núcleos, registros y sísmica suficientemente representativos para que las predicciones obtenidas mediante métodos de aprendizaje automático sean confiables, dada la incertidumbre inherente a este problema.

Desde un punto de vista metodológico, se ilustra cada una de las etapas de la aplicación de estos métodos en un caso de estudio, que incluye la generación de bases de datos, su revisión y depuración, el análisis exploratorio (univariado, bivariado y multivariado) de los datos, así como el entrenamiento, la validación y la predicción.