Aplicação de aprendizado de máquina na classificação de litofácies

Detalhes bibliográficos
Autor(a) principal: Schaly, Matheus Henrique
Data de Publicação: 2021
Tipo de documento: Trabalho de conclusão de curso
Idioma: por
Título da fonte: Repositório Institucional da UFSC
Texto Completo: https://repositorio.ufsc.br/handle/123456789/228155
Resumo: TCC(graduação) - Universidade Federal de Santa Catarina. Centro Tecnológico. Ciências da Computação.
id UFSC_4ebc6d8572d4cf79841fd8b8e4737b03
oai_identifier_str oai:repositorio.ufsc.br:123456789/228155
network_acronym_str UFSC
network_name_str Repositório Institucional da UFSC
repository_id_str 2373
spelling Universidade Federal de Santa CatarinaSchaly, Matheus HenriqueRoisenberg, Mauro2021-09-27T00:31:02Z2021-09-27T00:31:02Z2021-09-09https://repositorio.ufsc.br/handle/123456789/228155TCC(graduação) - Universidade Federal de Santa Catarina. Centro Tecnológico. Ciências da Computação.Classificação de litofácies é uma tarefa realizada por geólogos que consiste em analisar uma série de registros elétricos e físico-químicos obtidos através de sensores que percorrem a parede de um poço perfurado e, a partir das leituras destes, identificar que unidades litológicas (litofácies) caracterizam o ambiente de formação e os aspectos composicionais das rochas. O objetivo do trabalho é propor um modelo eficaz de aprendizado de máquina (do inglês Machine Learning (ML)), incluindo a parte de manipulação dos dados, para a classificação de litofácies em poços geológicos. O ramo de ML vem se tornando uma ferramenta cada vez mais importante em vários campos da ciência, neste trabalho aplicaremos ML no ramo das geociências. As técnicas padrão de ML podem levar a problemas de ambiguidade já que duas litofácies diferentes podem apresentar os mesmos valores dos sensores. Acreditamos que levar em consideração a sequência de padrões sedimentares possa ajudar no processo de desambiguação da classificação. Para isso poderia ser utilizado uma versão modificada de uma rede neural recorrente (do inglês Recurrent Neural Network (RNN)). Sabemos que a classificação acurada de litofácies é de grande importância para obter informações geológicas úteis para a exploração e produção de hidrocarbonetos. Além disso, a classificação automática de litofácies torna o processo de estudo da litologia dos poços mais rápido e menos oneroso. A classificação de litofácies é realizada estudando as propriedades litológicas das rochas encontradas em poços, que são características dos sedimentos atuais acumulados em determinadas condições físicas e geográficas. As propriedades litológicas podem incluir raio gama, resistividade, efeito fotoelétrico, perfil neutrônico, entre outras. Dado um banco de dados contendo as características e a classificação das litofácies, é esperado que o modelo proposto consiga, de maneira eficaz, realizar automaticamente a classificação de tais litofácies. A eficácia do método será medida através da métrica de classificação acurácia, assim como de uma métrica customizada chamada score.100Florianópolis, SC.Ciências da computaçãoAprendizado de máquinaClassificação automática de litofáciesAplicação de aprendizado de máquina na classificação de litofáciesinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesisinfo:eu-repo/semantics/openAccessporreponame:Repositório Institucional da UFSCinstname:Universidade Federal de Santa Catarina (UFSC)instacron:UFSCLICENSElicense.txtlicense.txttext/plain; charset=utf-81383https://repositorio.ufsc.br/bitstream/123456789/228155/2/license.txt11ee89cd31d893362820eab7c4d46734MD52ORIGINALMatheus_Schaly_Monografia.pdfMatheus_Schaly_Monografia.pdfTCCapplication/pdf4977535https://repositorio.ufsc.br/bitstream/123456789/228155/1/Matheus_Schaly_Monografia.pdf3de60ed8f25046e3fd6f42816b2d50ceMD51123456789/2281552021-09-26 21:31:02.246oai:repositorio.ufsc.br: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ório de PublicaçõesPUBhttp://150.162.242.35/oai/requestopendoar:23732021-09-27T00:31:02Repositório Institucional da UFSC - Universidade Federal de Santa Catarina (UFSC)false
dc.title.pt_BR.fl_str_mv Aplicação de aprendizado de máquina na classificação de litofácies
title Aplicação de aprendizado de máquina na classificação de litofácies
spellingShingle Aplicação de aprendizado de máquina na classificação de litofácies
Schaly, Matheus Henrique
Ciências da computação
Aprendizado de máquina
Classificação automática de litofácies
title_short Aplicação de aprendizado de máquina na classificação de litofácies
title_full Aplicação de aprendizado de máquina na classificação de litofácies
title_fullStr Aplicação de aprendizado de máquina na classificação de litofácies
title_full_unstemmed Aplicação de aprendizado de máquina na classificação de litofácies
title_sort Aplicação de aprendizado de máquina na classificação de litofácies
author Schaly, Matheus Henrique
author_facet Schaly, Matheus Henrique
author_role author
dc.contributor.pt_BR.fl_str_mv Universidade Federal de Santa Catarina
dc.contributor.author.fl_str_mv Schaly, Matheus Henrique
dc.contributor.advisor1.fl_str_mv Roisenberg, Mauro
contributor_str_mv Roisenberg, Mauro
dc.subject.por.fl_str_mv Ciências da computação
Aprendizado de máquina
Classificação automática de litofácies
topic Ciências da computação
Aprendizado de máquina
Classificação automática de litofácies
description TCC(graduação) - Universidade Federal de Santa Catarina. Centro Tecnológico. Ciências da Computação.
publishDate 2021
dc.date.accessioned.fl_str_mv 2021-09-27T00:31:02Z
dc.date.available.fl_str_mv 2021-09-27T00:31:02Z
dc.date.issued.fl_str_mv 2021-09-09
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/bachelorThesis
format bachelorThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://repositorio.ufsc.br/handle/123456789/228155
url https://repositorio.ufsc.br/handle/123456789/228155
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv 100
dc.publisher.none.fl_str_mv Florianópolis, SC.
publisher.none.fl_str_mv Florianópolis, SC.
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFSC
instname:Universidade Federal de Santa Catarina (UFSC)
instacron:UFSC
instname_str Universidade Federal de Santa Catarina (UFSC)
instacron_str UFSC
institution UFSC
reponame_str Repositório Institucional da UFSC
collection Repositório Institucional da UFSC
bitstream.url.fl_str_mv https://repositorio.ufsc.br/bitstream/123456789/228155/2/license.txt
https://repositorio.ufsc.br/bitstream/123456789/228155/1/Matheus_Schaly_Monografia.pdf
bitstream.checksum.fl_str_mv 11ee89cd31d893362820eab7c4d46734
3de60ed8f25046e3fd6f42816b2d50ce
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
repository.name.fl_str_mv Repositório Institucional da UFSC - Universidade Federal de Santa Catarina (UFSC)
repository.mail.fl_str_mv
_version_ 1766805407159812096

Registros relacionados