Un análisis técnico revela cómo la aplicación del método matemático DTW reduce la incertidumbre en la profundidad de las muestras de perforación.
LO ESENCIAL EN 10 SEGUNDOS
El geólogo Claudio Larriestra desarrolló una solución para determinar con precisión la profundidad de detritos perforación en la Cuenca Neuquina, Argentina. Mediante el algoritmo Dynamic Time Warping (DTW), alineó la información química de los fragmentos de roca con los perfiles del pozo, logrando mejorar las correlaciones de los datos hasta un 85% en la formación Vaca Muerta.
¿Qué son los detritos de perforación y por qué es difícil saber de dónde vienen?
Al perforar un pozo de petróleo o gas, el trépano tritura la roca profunda y genera fragmentos pequeños llamados detritos o ripios de perforación. Estos fragmentos viajan suspendidos en el lodo hasta la superficie, donde se recolectan en zarandas para su análisis químico y mineralógico. El inconveniente principal es que las rocas tardan un tiempo considerable en subir, sufren mezclas mecánicas durante el viaje y se contaminan con derrumbes de las paredes del pozo a profundidades que no corresponden.
Esta demora e incertidumbre física impiden conocer con exactitud la profundidad de origen de cada fragmento recolectado. Aunque existen simulaciones de transporte físico para calcular el retraso de los fragmentos, las condiciones reales del subsuelo suelen desviar las predicciones teóricas debido a variaciones hidráulicas del pozo. Este desajuste espacial es crítico en pozos horizontales, donde la fricción y el arrastre de las muestras aumentan el desorden geológico. Como consecuencia, la valiosa información geológica medida en el laboratorio pierde utilidad práctica si no se puede georreferenciar de manera confiable para construir modelos tridimensionales precisos de las capas subterráneas.
Para resolver este inconveniente, el geólogo Claudio Larriestra, de la consultora Geodatatech, informó del desarrollo de una metodología estadística que vincula los datos químicos medidos en los fragmentos de roca con los registros continuos medidos por los sensores dentro del pozo.
Leé también: Vaca Muerta: riqueza energética y el desafío de generar empleo en toda la Argentina
¿Qué es el algoritmo DTW y cómo corrige las profundidades de forma simple?
El funcionamiento del algoritmo de deformación temporal dinámica, conocido como DTW es simple. En lugar de comparar dos curvas de forma rígida, punto por punto, el algoritmo tiene la propiedad de estirar o comprimir elásticamente una de las curvas para lograr una coincidencia máxima con una curva de referencia.
En la geología de perforación, la serie de prueba está conformada por los datos químicos discretos de los fragmentos de roca analizados en la superficie, tales como la concentración de potasio. La curva de referencia es un perfil de pozo continuo medido en tiempo real por herramientas eléctricas o nucleares, generalmente el registro de rayos gamma. El algoritmo DTW compara ambas secuencias de datos, analiza las similitudes de sus variaciones y deforma la curva química para ajustarla a la escala real del pozo, asignándole la profundidad correcta a cada fragmento físico.
«El algoritmo DTW minimiza las diferencias locales entre los elementos de dos series temporales o espaciales. Para lograr esto, primero calcula las distancias de cada par de puntos para armar una matriz de costo local. Luego, calcula de forma recursiva los costos acumulados a lo largo de las rutas de alineación posibles y retrocede para identificar el camino de menor costo total, que representa la alineación óptima».
¿Cuándo se aplica esta metodología?
- Durante la perforación y evaluación de formaciones: Se utiliza activamente al momento de recolectar fragmentos de roca en superficie con el fin de calibrar su posición real y sincronizarlos con las mediciones en profundidad del pozo.
- En el modelado tridimensional (3D) de reservorios: Se aplica para asegurar que las propiedades químicas y físicas medidas en las muestras de roca de laboratorio se incorporen en las coordenadas correctas del modelo geológico, reduciendo la incertidumbre espacial.
- En yacimientos no convencionales de baja permeabilidad: Es de uso crítico en formaciones como Vaca Muerta, donde las variaciones laterales de las capas exigen un control de profundidad extremadamente preciso para evitar errores en la localización de facies productoras.
Leé también: Teledetección minera: La clave para reducir la incertidumbre y optimizar la exploración moderna
Limitaciones físicas y proyección futura de la metodología
A pesar del éxito del modelo matemático, la naturaleza geológica del subsuelo conserva márgenes de variación física que el algoritmo no puede disolver por completo. Larriestra aclara que este método reduce la incertidumbre matemática de manera drástica pero no elimina el error geológico absoluto.
«La principal fuente de incertidumbre que persiste radica en la disparidad entre el gran volumen de roca representado por cada muestra física de cutting y la resolución espacial más fina de los perfiles eléctricos o nucleares de pozo. Además, fenómenos como el colapso de las paredes del pozo, variaciones imprevistas en la hidráulica de perforación y los errores humanos inherentes al muestreo manual en las zarandas introducen ruidos complejos que ninguna herramienta matemática puede modelar a la perfección», advierte el especialista.
Para complementar este ajuste espacial, se aconseja integrar análisis mineralógicos cuantitativos rápidos sobre las muestras físicas, como la difracción de rayos X (XRD) y la espectroscopia por transformada de Fourier (FTIR). Integrar estas tecnologías de laboratorio con herramientas automatizadas de correlación matemática elimina el sesgo subjetivo y mecánico.
Leé también: Litio sin romper el suelo: la revolución geofísica llega a San Juan
En el largo plazo, el uso sistemático de esta metodología permite depurar los archivos históricos de las petroleras. Disponer de análisis físicos ubicados con precisión matemática es fundamental para construir modelos geológicos en tres dimensiones confiables. Al minimizar el riesgo de localizar erróneamente las facies geológicas y mejorar el análisis de heterogeneidades laterales en yacimientos de baja permeabilidad, la ciencia de datos aplicada a la geología se posiciona como una herramienta esencial para rentabilizar la explotación petrolera.
Periodista especializada en gestión minera, sustentabilidad y desarrollo regional. Con un enfoque centrado en la transparencia y la comunicación estratégica, analiza el impacto de la industria en las comunidades y el marco institucional del sector. En Acero y Roca, es la voz encargada de desglosar los desafíos de la licencia social y los procesos de modernización minera.