Banca de DEFESA: IANYQUI FALCAO COSTA

Uma banca de DEFESA de DOUTORADO foi cadastrada pelo programa.
DISCENTE: IANYQUI FALCAO COSTA
DATA : 22/12/2025
HORA: 14:00
LOCAL: Pós-Graduação Engenharia Civil
TÍTULO:

Um aprendizado de máquinas com base na teoria da informação para simulação de reservatórios heterogêneos com incertezas geoestatísticas

PALAVRAS-CHAVES:

Simulação estocástica de reservatórios, DNN, PINN, ITML, mudança de escala.

PÁGINAS: 188
RESUMO:

Este trabalho propõe uma nova abordagem para a modelação e simulação estocástica de reservatórios heterogêneos, por meio da aplicação de métodos de aprendizado de máquina baseados na Teoria da Informação. A principal motivação é reduzir a complexidade computacional das simulações de reservatórios. Esta tese utiliza reservatórios unidimensionais e bidimensionais, em fluxo monofásico e bifásico (óleo e água), para a aplicação da metodologia proposta, sem prejudicar a sua generalidade. Utilizando uma metodologia de mudança de escala, transformam-se modelos de simulação em modelos reduzidos, preservando a estatística das propriedades petrofísicas e os princípios físicos subjacentes. A abordagem proposta utiliza um processo de homogeneização probabilística global, com aprendizado supervisionado, que considera toda a microescala e gera um modelo reduzido que satisfaz as condições iniciais e de contorno. Diferentemente das Redes Neurais Profundas (Deep Neural Networks - DNNs) tradicionais, que impõem as leis físicas a posteriori, a metodologia proposta adota um aprendizado de máquina fundamentado na Teoria da Informação, no qual a física é incorporada a priori. Isso permite uma maior confiabilidade e estabilidade nas previsões, especialmente em cenários de Small Data (Poucos Dados), comuns em estudos de reservatórios e outras áreas de engenharia, como mecânica dos sólidos e mecânica dos fluidos, em geral. A modelagem de reservatórios é abordada por meio da modelagem multiescala de rochas permeáveis, considerando a interligação dos poros e a transmissibilidade dos fluidos. A formulação matemática inclui as equações da pressão e da saturação, discretizadas por volumes finitos, garantindo a conservação de massa e a coerência das soluções numéricas. A metodologia proposta é aplicada a reservatórios unidimensionais e bidimensionais sujeitos ao esgotamento por injeção de água, demonstrando que a abordagem permite reduzir significativamente o custo computacional sem perda significativa de precisão nos resultados. Os experimentos realizados indicam que a redução de escalas baseada em aprendizado de máquina e teoria da informação é capaz de capturar de forma eficiente as heterogeneidades dos reservatórios, permitindo simulações mais rápidas e robustas. O uso de reconstrução de imagens em super-resolução (com Linear Machine Learning) permite reintroduzir detalhes em microescala, facilitando a interpretação dos resultados. Conclui-se que a metodologia apresentada é promissora para aplicações em estudos de simulação, de otimização da produção e de análise de risco em reservatórios de hidrocarbonetos.

MEMBROS DA BANCA:
Presidente - 2293968 - DARLAN KARLO ELISIARIO DE CARVALHO
Externo à Instituição - JUAN ALBERTO ROJAS TUEROS
Externa ao Programa - 2458868 - LICIA MOUTA DA COSTA - nullExterno ao Programa - 1133908 - MARIO FERREIRA DE LIMA FILHO - nullInterno - 2250444 - RENATO DE SIQUEIRA MOTTA