Submitted by Fabio Sobreira Campos da Costa (fabio.sobreira@ufpe.br) on 2016-07-04T11:22:15Z No. of bitstreams: 2 license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) TeseLeoCabral_vrsFinal.pdf: 37484380 bytes, checksum: b61e5bb415f505345e69623ffd098b9e (MD5) / Made available in DSpace on 2016-07-04T11:22:15Z (GMT). No. of bitstreams: 2 license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) TeseLeoCabral_vrsFinal.pdf: 37484380 bytes, checksum: b61e5bb415f505345e69623ffd098b9e (MD5) Previous issue date: 2015-07-08 / A disciplina de geomecânica de reservatórios engloba aspectos relacionados não somente à mecânica de rochas, mas também à geologia estrutural e engenharia de petróleo e deve ser entendida no intuito de melhor explicar aspectos críticos presentes nas fases de exploração e produção de reservatórios de petróleo, tais como: predição de poro pressões, estimativa de potenciais selantes de falhas geológicas, determinação de trajetórias de poços, cálculo da pressão de fratura, reativação de falhas, compactação de reservatórios, injeção de CO2, entre outros. Uma representação adequada da quantificação de incertezas é parte essencial de qualquer projeto. Especificamente, uma análise que se destina a fornecer informações sobre o comportamento de um sistema deve prover uma avaliação da incerteza associada aos resultados. Sem tal estimativa, perspectivas traçadas a partir da análise e decisões tomadas com base nos resultados são questionáveis. O processo de quantificação de incertezas para modelos multifísicos de grande escala, como os modelos relacionados à geomecânica de reservatórios, requer uma atenção especial, principalmente, devido ao fato de comumente se deparar com cenários em que a disponibilidade de dados é nula ou escassa. Esta tese se propôs a avaliar e integrar estes dois temas: quantificação de incertezas e geomecânica de reservatórios. Para isso, foi realizada uma extensa revisão bibliográfica sobre os principais problemas relacionados à geomecânica de reservatórios, tais como: injeção acima da pressão de fratura, reativação de falhas geológicas, compactação de reservatórios e injeção de CO2. Esta revisão contou com a dedução e implementação de soluções analíticas disponíveis na literatura relatas aos fenômenos descritos acima. Desta forma, a primeira contribuição desta tese foi agrupar diferentes soluções analíticas relacionadas à geomecânica de reservatórios em um único documento. O processo de quantificação de incertezas foi amplamente discutido. Desde a definição de tipos de incertezas - aleatórias ou epistêmicas, até a apresentação de diferentes metodologias para quantificação de incertezas. A teoria da evidência, também conhecida como Dempster-Shafer theory, foi detalhada e apresentada como uma generalização da teoria da probabilidade. Apesar de vastamente utilizada em diversas áreas da engenharia, pela primeira vez a teoria da evidência foi utilizada na engenharia de reservatórios, o que torna tal fato uma contribuição fundamental desta tese. O conceito de decisões sob incerteza foi introduzido e catapultou a integração desses dois temas extremamente relevantes na engenharia de reservatórios. Diferentes cenários inerentes à tomada de decisão foram descritos e discutidos, entre eles: a ausência de dados de entrada disponíveis, a situação em que os parâmetros de entrada são conhecidos, a inferência de novos dados ao longo do projeto e, por fim, uma modelagem híbrida. Como resultado desta integração foram submetidos 3 artigos a revistas indexadas. Por fim, foi deduzida a equação de fluxo em meios porosos deformáveis e proposta uma metodologia explícita para incorporação dos efeitos geomecânicos na simulação de reservatórios tradicional. Esta metodologia apresentou resultados bastante efetivos quando comparada a métodos totalmente acoplados ou iterativos presentes na literatura. / Reservoir geomechanics encompasses aspects related to rock mechanics, structural geology and petroleum engineering. The geomechanics of reservoirs must be understood in order to better explain critical aspects present in petroleum reservoirs exploration and production phases, such as: pore pressure prediction, geological fault seal potential, well design, fracture propagation, fault reactivation, reservoir compaction, CO2 injection, among others. An adequate representation of the uncertainties is an essential part of any project. Specifically, an analysis that is intended to provide information about the behavior of a system should provide an assessment of the uncertainty associated with the results. Without such estimate, perspectives drawn from the analysis and decisions made based on the results are questionable. The process of uncertainty quantification for large scale multiphysics models, such as reservoir geomechanics models, requires special attention, due to the fact that scenarios where data availability is nil or scarce commonly come across. This thesis aimed to evaluate and integrate these two themes: uncertainty quantification and reservoir geomechanics. For this, an extensive literature review on key issues related to reservoir geomechanics was carried out, such as: injection above the fracture pressure, fault reactivation, reservoir compaction and CO2 injection. This review included the deduction and implementation of analytical solutions available in the literature. Thus, the first contribution of this thesis was to group different analytical solutions related to reservoir geomechanics into a single document. The process of uncertainty quantification has been widely discussed. The definition of types of uncertainty - aleatory or epistemic and different methods for uncertainty quantification were presented. Evidence theory, also known as Dempster- Shafer theory, was detailed and presented as a probability theory generalization. Although widely used in different fields of engineering, for the first time the evidence theory was used in reservoir engineering, which makes this fact a fundamental contribution of this thesis. The concept of decisions under uncertainty was introduced and catapulted the integration of these two extremely important issues in reservoir engineering. Different scenarios inherent in the decision-making have been described and discussed, among them: the lack of available input data, the situation in which the input parameters are known, the inference of new data along the design time, and finally a hybrid modeling. As a result of this integration three articles were submitted to peer review journals. Finally, the flow equation in deformable porous media was presented and an explicit methodology was proposed to incorporate geomechanical effects in the reservoir simulation. This methodology presented quite effective results when compared to fully coupled or iterative methods in the literature.

O monitoramento remoto da saúde humana envolve basicamente o emprego da tecnologia de rede de sensores como meio de captura dos dados do paciente em observação e todo ambiente em que este se encontra. Esta tecnologia favorece o monitoramento remoto de pacientes com doenças cardíacas, com problemas respiratórios, com complicações pós-operatórias e ainda pessoas em tratamento residencial, dentre outros. Um importante elemento dos sistemas de monitoramento remoto da saúde é a sua capacidade de interagir com o meio no qual está inserido possibilitando-lhe, por exemplo, agir como provedor de informação e serviços relevantes para o usuário. Essa interação com o ambiente imputa a esse sistema características relacionadas com uma aplicação sensível ao contexto, pois esses sistemas reagem e se adaptam às mudanças nos ambientes, provendo-lhes assistência inteligente e proativa. Outro aspecto observado em sistemas de monitoramento remoto da saúde humana está relacionado às incertezas associadas à tecnologia empregada como meio para obtenção e tratamento dos dados e, aos dados que serão apresentados aos usuários especialistas - médicos. Entende-se que incertezas são elementos inevitáveis em qualquer aplicação ubíqua e sensível ao contexto, podendo ser geradas por dados incompletos ou imperfeitos. No âmbito do monitoramento da saúde humana, fatores como a influência mútua entre dados fisiológicos, comportamentais e ambientais também podem ser apontados como potenciais geradores de informação contextual incerta, além daqueles inerentes às aplicações ubíquas e sensíveis ao contexto. Nesta pesquisa, considera-se que cada sensor captura um tipo de dado e o envia para uma estação localizada na residência do paciente. O objetivo deste trabalho é apresentar um processo para a análise das incertezas contextuais presentes no monitoramento da saúde humana através de sensores. O processo empregado baseou-se na Teoria da Evidência de Dempster- Shafer e no Modelo de Fatores de Certeza. No processo denominado PRANINC, cada dado capturado pelos diferentes sensores é considerado uma evidência e o conjunto dessas evidências é considerado na formação das hipóteses. Três classes de incertezas contextuais foram especificadas: as incertezas provenientes da tecnologia empregada na transmissão dos dados capturados por sensores; as incertezas relacionadas aos próprios sensores, que estão sujeitos a erros e defeitos; e, as incertezas associadas à influência mútua entre as variáveis observadas. O método foi empregado a partir da realização de experimentos sobre arquivos com dados fisiológicos de pacientes reais, aos quais foram adicionados elementos comportamentais e ambientais. Como resultado, foi possível confirmar que o contexto influencia nos dados repassados pelo sistema de monitoramento, e que as incertezas contextuais podem influenciar na qualidade das informações fornecidas, devendo estas serem consideradas pelo especialista. / The remote monitoring of human health basically involves the use of sensor network technology as a means of capturing patient data and observation, in every environment. The sensor technology facilitates remote monitoring of patients with heart disease, respiratory problems, postoperative complications and even people in residential treatment. An important element of the health monitoring system is its ability to interact with the environment which allows, for example, act as a provider of relevant information and services to the user. The interaction with the environment provides to the system the characteristics related to a context-aware application, once this kind of system can react and adapt itself in face of environment´s changes, through a proactive and intelligent assistance. Another significant aspect of health monitoring systems is related to the uncertainties associated with the technology used as a means for obtaining and processing the data sensed by sensors, and the data which will be presented to the experts users - physicians. Uncertainties are inevitable elements in any ubiquitous and context-aware application and it can be generated by incomplete or imperfect data. In the human health monitoring by sensors factors, such as the mutual influence between physiological, behavioral and environmental data are mentioned as potential generators of uncertain contextual information. This research take into consideration that each sensor captures a data type and sends it to a station located in the patient\'s home. The objective of this paper is to present a process to analyze the contextual uncertainties present in the monitoring of human health via sensors. The method used was based on the Dempster-Shafer Evidence Theory and The Uncertainty Factor Model. The process named PRANINC, considers each data captured, by different sensors, as evidence and, all of the evidences are considered in the formation of hypotheses. Three contextual classes of uncertainties were specified: the uncertainties arising from the technology employed in transmitting the data captured by sensors, the uncertainties related to the actual sensors, which are subject to errors and defects, and the uncertainties associated with the mutual influence between the observed variables. The method was employed through conducting experiments on files with physiological data of real patients, to which, were added behavioral and environmental factors. As a result was possible to confirm that the context influences the data transferred by the monitoring system and that contextual uncertainties may influence the quality of the information which shall be considered by the specialist.

O monitoramento remoto da saúde humana envolve basicamente o emprego da tecnologia de rede de sensores como meio de captura dos dados do paciente em observação e todo ambiente em que este se encontra. Esta tecnologia favorece o monitoramento remoto de pacientes com doenças cardíacas, com problemas respiratórios, com complicações pós-operatórias e ainda pessoas em tratamento residencial, dentre outros. Um importante elemento dos sistemas de monitoramento remoto da saúde é a sua capacidade de interagir com o meio no qual está inserido possibilitando-lhe, por exemplo, agir como provedor de informação e serviços relevantes para o usuário. Essa interação com o ambiente imputa a esse sistema características relacionadas com uma aplicação sensível ao contexto, pois esses sistemas reagem e se adaptam às mudanças nos ambientes, provendo-lhes assistência inteligente e proativa. Outro aspecto observado em sistemas de monitoramento remoto da saúde humana está relacionado às incertezas associadas à tecnologia empregada como meio para obtenção e tratamento dos dados e, aos dados que serão apresentados aos usuários especialistas - médicos. Entende-se que incertezas são elementos inevitáveis em qualquer aplicação ubíqua e sensível ao contexto, podendo ser geradas por dados incompletos ou imperfeitos. No âmbito do monitoramento da saúde humana, fatores como a influência mútua entre dados fisiológicos, comportamentais e ambientais também podem ser apontados como potenciais geradores de informação contextual incerta, além daqueles inerentes às aplicações ubíquas e sensíveis ao contexto. Nesta pesquisa, considera-se que cada sensor captura um tipo de dado e o envia para uma estação localizada na residência do paciente. O objetivo deste trabalho é apresentar um processo para a análise das incertezas contextuais presentes no monitoramento da saúde humana através de sensores. O processo empregado baseou-se na Teoria da Evidência de Dempster- Shafer e no Modelo de Fatores de Certeza. No processo denominado PRANINC, cada dado capturado pelos diferentes sensores é considerado uma evidência e o conjunto dessas evidências é considerado na formação das hipóteses. Três classes de incertezas contextuais foram especificadas: as incertezas provenientes da tecnologia empregada na transmissão dos dados capturados por sensores; as incertezas relacionadas aos próprios sensores, que estão sujeitos a erros e defeitos; e, as incertezas associadas à influência mútua entre as variáveis observadas. O método foi empregado a partir da realização de experimentos sobre arquivos com dados fisiológicos de pacientes reais, aos quais foram adicionados elementos comportamentais e ambientais. Como resultado, foi possível confirmar que o contexto influencia nos dados repassados pelo sistema de monitoramento, e que as incertezas contextuais podem influenciar na qualidade das informações fornecidas, devendo estas serem consideradas pelo especialista. / The remote monitoring of human health basically involves the use of sensor network technology as a means of capturing patient data and observation, in every environment. The sensor technology facilitates remote monitoring of patients with heart disease, respiratory problems, postoperative complications and even people in residential treatment. An important element of the health monitoring system is its ability to interact with the environment which allows, for example, act as a provider of relevant information and services to the user. The interaction with the environment provides to the system the characteristics related to a context-aware application, once this kind of system can react and adapt itself in face of environment´s changes, through a proactive and intelligent assistance. Another significant aspect of health monitoring systems is related to the uncertainties associated with the technology used as a means for obtaining and processing the data sensed by sensors, and the data which will be presented to the experts users - physicians. Uncertainties are inevitable elements in any ubiquitous and context-aware application and it can be generated by incomplete or imperfect data. In the human health monitoring by sensors factors, such as the mutual influence between physiological, behavioral and environmental data are mentioned as potential generators of uncertain contextual information. This research take into consideration that each sensor captures a data type and sends it to a station located in the patient\'s home. The objective of this paper is to present a process to analyze the contextual uncertainties present in the monitoring of human health via sensors. The method used was based on the Dempster-Shafer Evidence Theory and The Uncertainty Factor Model. The process named PRANINC, considers each data captured, by different sensors, as evidence and, all of the evidences are considered in the formation of hypotheses. Three contextual classes of uncertainties were specified: the uncertainties arising from the technology employed in transmitting the data captured by sensors, the uncertainties related to the actual sensors, which are subject to errors and defects, and the uncertainties associated with the mutual influence between the observed variables. The method was employed through conducting experiments on files with physiological data of real patients, to which, were added behavioral and environmental factors. As a result was possible to confirm that the context influences the data transferred by the monitoring system and that contextual uncertainties may influence the quality of the information which shall be considered by the specialist.