Uma equipe de pesquisa da Texas A&M University desenvolveu um novo modelo de previsão de reservatórios que integra aprendizado de máquina e técnicas de compressão de dados, aumentando significativamente a eficiência e a precisão na avaliação da produção de petróleo e gás. O modelo reduz o tempo de cálculo tradicional — que levava cerca de 11 minutos — para menos de 1 segundo, mantendo aproximadamente 97% de precisão nas previsões.

O pesquisador Mohammed Elkhadi, do Departamento de Engenharia de Petróleo, destacou: “Existem muitas maneiras de prever a produção, mas tudo depende disso. Qualquer decisão — seja um empréstimo, um estudo econômico ou uma decisão na fase de desenvolvimento — baseia-se na previsão, porque ela indica quanto petróleo, gás ou água será produzido.” Sob a orientação do Dr. Siddharth Misra, a equipe criou um método de previsão de reservatórios adequado para condições geológicas complexas.

O modelo de previsão de reservatórios combina de forma inovadora redes neurais com técnicas de compressão de dados geológicos. Os pesquisadores construíram 4.000 modelos de reservatórios homogêneos virtuais, cada um contendo 88.000 células de grade, totalizando mais de 250.000 pontos de dados. Utilizando duas técnicas distintas de compressão, os dados originais foram reduzidos a uma proporção de 1 para 50.000 e, em seguida, uma rede neural foi treinada em ambiente Python para prever a produção.

Elkhadi explicou: “Os dados geológicos geralmente contêm grandes volumes de informações, e nem todas são igualmente importantes. É aí que entra a magia da compressão de dados; ela não apenas reduz o volume, mas também extrai as características mais relevantes.” Nos testes iniciais, o novo modelo completou as previsões em menos de 1 segundo, em comparação com os 700 segundos dos simuladores convencionais, mantendo um erro inferior a 3%.

A equipe também colaborou com a Saudi Aramco, utilizando dados de simulação fornecidos pela empresa para criar cerca de 3.000 modelos de reservatórios heterogêneos. Com o aumento do número de parâmetros — especialmente a inclusão de fatores operacionais humanos —, o desempenho do modelo foi continuamente aprimorado. A pesquisadora Veena Kumar afirmou: “Estamos entusiasmados em aprimorar o modelo de previsão multivariável para realizar previsões de longo prazo, de até dez anos.”

Atualmente, o modelo de previsão está passando por expansão de parâmetros e melhorias técnicas. Os pesquisadores planejam validá-lo em seguida com dados de produção reais. Essa tecnologia promete oferecer suporte mais confiável para decisões de investimento e planejamento de produção no setor de petróleo e gás.