| Summary: | Introducción: El cálculo de la posibilidad de éxito o riesgo de la exploración petrolera en Cuba, no siempre se ha ajustado a la complejidad geológica de esta, ni se han empleado metodologías apropiadas. Para resolver este problema, se formalizaron y procesaron los parámetros de control y procesos geológicos para disminuir la incertidumbre en el análisis del riesgo, mediante una selección de métodos estadísticos, lógica difusa, ingeniería del conocimiento y sistemas de información geográficos, que permitieron el ajuste y cálculo del potencial de hidrocarburos en condiciones de gran complejidad geológica.
Métodos: Se estudiaron las principales metodologías y procedimientos existentes aplicados mundialmente y se identificaron sus fortalezas y debilidades que determinaron la estrategia a desarrollar para la nueva aplicación y su capacidad para gestionar el conocimiento.
Resultados: La nueva aplicación incluyó por primera vez, la evaluación probabilística de la cuenca sedimentaria y sistema petrolero, además de los play, prospectos y leads. Se crearon o modificaron más de 20 parámetros de control geológico, con el propósito de estimar consecuentemente las probabilidades de éxito en la exploración petrolera y la disminución de la incertidumbre. Se validó la metodología en el prospecto Guanabo Norte, bloque E1B, ubicado en la Franja Norte de Petróleos Cubanos. Se demostró la eficacia de la metodología al comparar los resultados de la aplicación (antes de la perforación), con aquellos obtenidos por la perforación a posteriori de pozos de desarrollo. Estos determinaron una reserva extraíble (determinística) de 2,036 millones de metros cúbicos, mientras que con la metodología se calcularon los recursos extraíbles más probables en 2,395 millones de metros cúbicos y una probabilidad de éxito baja para el prospecto de 7,4 %. Esto se considera una aproximación muy buena. Se creó una plataforma informática web que facilitó y unificó la toma de decisiones en la exploración petrolera y donde se sentaron las bases para desarrollar un análisis del conocimiento mediante máquinas de aprendizaje automático.
|
|---|
