Resumo Neste trabalho avaliou-se a biorremediação da água com conteúdos de cloretos utilizando microalgas nativas (MCA) fornecidas pelo Centro de Estudos e Pesquisas em Biotecnologia (CIBIOT) da Universidad Pontifícia Bolivariana. As microalgas empregadas apresentaram uma adaptação ao meio de cultura e as condições operacionais avaliadas atingindo uma produção de CO2 em mg L-1 de 53,0, 26,6, 56,0, 16,0 e 30,0 e eficiências de remoção de cloretos de 16,37, 26,03, 40,04, 25,96 e 20,25% para MCA1, MCA2, MCA3, MCA4 e MCA5 respectivamente. A biorremediação da água com conteúdos de cloretos foi realizada em modo batelada alimentada (Feed Batch) com uma concentração inicial de cloretos de 20585 mg L-1. A alimentação foi realizada a cada 2 dias. A variável manipulada foi: ensaio um, uma vazão de MCA3 (10% de inoculo); ensaio dois, uma vazão de NPK e ensaio três, uma vazão de MCA3+0,5 g L-1 NPK. As eficiências de remoção foram 66,88%, 63,41% e 66,98% para os ensaios um, dois e três, respectivamente num tempo do bioprocesso total de 55 dias.

Abstract In this work it was carried out the bioremediation of water containing chlorides with native microalgae (MCA) provided by the Centre for study and research in biotechnology (CIBIOT) at Universidad Pontificia Bolivariana. Microalgae presented an adaptation to the water and so the conditions evaluated reaching a production of CO2 in mg L-1 of 53.0, 26.6, 56.0, 16.0 and 30.0 and chloride removal efficiencies of 16.37, 26.03, 40.04, 25.96 and 20.25% for microalgae1, microalgae2, microalgae3, microalgae4 and microalgae5 respectively. Water bioremediation process was carried out with content of chlorides in fed batch system with an initial concentration of chlorides of 20585 mg L-1 every 2 days. The Manipulated variables were: the flow of MCA3 (10% inoculum) for test one; NPK flow for test two, and flow of flow of MCA3+0.5 g L-1 NPK. Chloride removal efficiencies were 66.88%, 63.41% and 66.98% for test one, two and three respectively, for a total bioprocess time of 55 days.

La correlación de registros entre pozos si se hace del modo tradicional (inspección visual), es una actividad compleja que demanda tiempo y rigurosidad por parte de uno o varios expertos humanos. En este artículo se presenta una herramienta computacional basada en redes neuronales artificiales (RNA) para correlacionar registros entre pozos y los resultados de su aplicación a un caso de campo. Se hace una descripción del proceso de correlacionar curvas de registros entre pozos, y sus exigencias en personal calificado y tiempo, en especial en campos de geología compleja y con un gran número de pozos. Finalmente, se presenta la herramienta de computo desarrollada y su aplicación. Los resultados obtenidos con la herramienta propuesta al aplicarla a cinco pozos, manifiestan un buen desempeño y resulta en una buena y rápida aproximación a los resultados obtenidos por un experto humano en su procedimiento visual de correlación. Esta técnica basada en las RNA presenta buena versatilidad para correlacionar varios tipos de curvas de registros a partir de la identificación en cualquier pozo del campo y/o yacimiento en estudio de un marcador litológico previamente escogido en un pozo de referencia. El resultado final es una herramienta computacional confiable, efectiva y eficaz para realizar el trabajo de correlacionar un marcador estratigráfico de un pozo a otro en un yacimiento de un mismo campo.

Well logs correlation if it is performed by traditional way (visual inspection) is a complex activity which it takes long time and a rigorous commitment from one or more human experts. This paper presents a computational tool based on artificial neural network (ANN) to correlate logs among wells and also the results for a field study case. It is presented the process of well logs correlation and its requirements of qualified people and time specially for hydrocarbon reservoirs with complex geology and many wells. Finally, it is presented a computacional tool and its application. The final results for a five wells’ logs study case show a good performance, a fast and close approach to the results obtained by an human expert using the conventional visual inspection procedure. The developed tool based on ANN presents good versatility to correlate several well log curves beginning from the identification in any well of oilfield or reservoir of a lithologic marker previously picked on a reference well. The final result is a reliable and effective computer tool to correlate a stratigraphic marker from a well to another one in a hydrocarbon reservoir or oilfield.