Return to search

Calibração Bayesiana do modelo de Bourgoyne e Young via Monte Carlo em Cadeias de Markov

Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Ciência da Computação, Florianópolis, 2016 / Made available in DSpace on 2016-09-20T04:06:35Z (GMT). No. of bitstreams: 1
339906.pdf: 2088834 bytes, checksum: bf34a03d96c45ecf5b38e2bcf63f55be (MD5)
Previous issue date: 2016 / O Modelo de Bourgoyne e Young (BYM) é utilizado para determinar a taxa de penetração no processo de perfuração de poços de petróleo. Para tanto é necessário que esteja parametrizado por coeficientes que devem ser estimados a partir de experiências anteriores. Por se tratar de um processo físico, a operação de perfuração pode apresentar medições ruidosas e o modelo em questão naturalmente pode não representá-la corretamente. Neste trabalho os coeficientes do BYM são determinados como distribuições de probabilidade, ao invés de valores fixos, propagando essas incertezas presentes nos dados e no próprio modelo. Para isso, é descrito um método que realiza inferência Bayesiana desses coeficientes através de Monte Carlo em Cadeias de Markov. Os resultados foram satisfatórios e as distribuições de probabilidade obtidas permitem uma melhor compreensão de como diferentes coeficientes atuam no resultado das simulações. Ao fim é feita uma análise sobre as possibilidades em aberto de melhorias para o método proposto.<br> / Abstract: The Bourgoyne and Young Model (BYM) is used to determine the rate of penetration in oil well drilling processes. To achieve this the model must be parameterized with coefficients that are estimated on the basis of prior experience. Since drilling is a physical process, measurement data may include noise and the model may naturally fail to represent it correctly. In this study the BYM coefficients are determined in the form of probability distributions, rather than fixed values, propagating the uncertainties present in the data and the model itself. This work therefore describes a method that performs a Bayesian inference conducted by a Monte Carlo Markov Chain algorithm. The results were satisfactory and the probability distributions obtained offer improved insight into the influence of different coefficients on the simulation results. At last, a discussion is carried of open possibilities for improving the proposed method.

Identiferoai:union.ndltd.org:IBICT/oai:repositorio.ufsc.br:123456789/167645
Date January 2016
CreatorsFormighieri, Sanjay
ContributorsUniversidade Federal de Santa Catarina, Freitas Filho, Paulo José de
Source SetsIBICT Brazilian ETDs
LanguagePortuguese
Detected LanguagePortuguese
Typeinfo:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis
Format82 p.| il., grafs., tabs.
Sourcereponame:Repositório Institucional da UFSC, instname:Universidade Federal de Santa Catarina, instacron:UFSC
Rightsinfo:eu-repo/semantics/openAccess

Page generated in 0.0019 seconds