Esta dissertação insere-se no contexto da Modelagem Matemática, com ênfase em problemas relacionados à Engenharia de Reservatórios. Em particular, abordaremos ao longo do texto a aplicação de redes neurais para a predição de importantes dados de poços de petróleo, tais como pressão de fundo de poço, vazão de óleo e água, ao longo de períodos prolongados.
Para isso, utilizaremos o método conhecido como Embed to Control and Observe. Um dos principais tópicos discutidos será a sensibilidade dos hiperparâmetros das redes neurais, que são definidos durante o processo de treinamento. Em especial, investigaremos como a variação desses hiperparâmetros impacta na acurácia das predições.
Além disso, avaliaremos a acurácia dos resultados comparando-os com os resultados fornecidos pelo simulador comercial IMEX.
Outro ponto de destaque será a análise da viabilidade de aumentar a confiabilidade desses dados por meio da aplicação do estimador de James-Stein, já que este estimador domina o estimador de mínimos quadrados ordinários com relação ao critério de erro quadrático médio escalar.