Vol. 14 Núm. 1 (2016): Fuentes, el reventón energético
Artículos

Aplicación de series de tiempo en la realización de pronósticos de producción

Erik Giovany Montes Páez
Universidad Industrial de Santander, UIS
Fernando Enrique Calvete González
Universidad Industrial de Santander, UIS
Carlos Alfonso Mantilla Duarte
Universidad de Granada, UGR

Publicado 2016-06-24

Palabras clave

  • Producción,
  • Series de tiempo,
  • Modelo ARIMA,
  • Pronósticos

Cómo citar

Montes Páez, E. G., Calvete González, F. E., & Mantilla Duarte, C. A. (2016). Aplicación de series de tiempo en la realización de pronósticos de producción. Fuentes, El reventón energético, 14(1), 79–88. https://doi.org/10.18273/revfue.v14n1-2016007

Resumen

La generación de pronósticos de producción es una actividad cotidiana del ingeniero de petróleos, que se ha venido desarrollando mediante la implementación de herramientas computacionales basadas en los modelos de curvas de declinación y curvas tipo. Estos modelos presentan falencias en la exactitud de los pronósticos, básicamente por dos razones: primero, tienen como gran condición el hecho de que los pozos se encuentren operando en estado pseudoestable y, segundo, ajustan el comportamiento de la producción a una línea de tendencia, la cual es extrapolada en el tiempo para obtener los pronósticos. En esta investigación, como una alternativa a estos modelos, se ha propuesto el uso de series de tiempo en la generación de pronósticos, pues estas incluyen tanto la tendencia como los componentes cíclicos y estacionales de los datos de producción. Se comparó el error absoluto existente

entre los datos reales y los pronósticos obtenidos por metodologías convencionales y la aplicación de modelos de series de tiempo. El uso de estas series permitió obtener un mejor ajuste histórico de los datos, evidenciar que pueden presentarse otras tendencias en la declinación (como la cúbica, por ejemplo) y aumentar la precisión de los pronósticos generados.

Descargas

Los datos de descargas todavía no están disponibles.

Referencias

1. ADEREMI, Samuel, et al. Effective Use of Production Surveillance Tool in Forecasting Future Production. En Nigeria Annual International Conference and Exhibition. Society of Petroleum Engineers, 2008.

2. ARPS, Jan J., et al. Analysis of decline curves. Transactions of the AIME, 1945, vol. 160, no 01, p. 228-247.

3. CAMPBELL JR, J. M., et al. Forecasting: Art or Science. En SPE Annual Technical Conference and Exhibition. Society of Petroleum Engineers, 1989.

4. FETKOVICH, Michael J., et al. Decline curve analysis using type curves. Journal of Petroleum Technology, 1980, vol. 32, no 06, p. 1,065-1,077.

5. FETKOVICH, M. J., et al. Useful concepts for decline curve forecasting, reserve estimation, and analysis. SPE Reservoir Engineering, 1996, vol. 11, no 01, p. 13-22.

6. GARCÍA, Á. M. Análisis de series de tiempo. Bogotá: Universidad Javeriana, 2010.

7. GUERRERO, José Felipe Jiménez; FERNÁNDEZ, Raquel Sánchez; ABAD, Juan Carlos Gázquez. La capacidad predictiva en los métodos Box-Jenkins y Holt-Winters: una aplicación al sector turístico. Revista Europea de Dirección y Economía de la Empresa, 2006, vol. 15, no 3, p. 185-198.

8. MANNON, Robert W., et al. Some Aspects Of Production Forecasting. En SPE Rocky Mountain Regional Meeting. Society of Petroleum Engineers, 1964.

9. PALACIO, J. C.; BLASINGAME, T. A. Decline curve analysis using type curves—analysis of gas well production data. paper SPE, 1993, vol. 25909, p. 12-14.

10. POSTON, Steven W.; POE, Bobby D. Analysis of production decline curves. Richardson, TX: Society of Petroleum Engineers, 2008.

11. SCHWARZ, Gideon, et al. Estimating the dimension of a model. The annals of statistics, 1978, vol. 6, no 2, p. 461-464.

12. STERNE, Jonathan AC; SMITH, George Davey. Sifting the evidence—what’s wrong with significance tests? Physical Therapy, 2001, vol. 81, no 8, p. 1464-1469.