Comparação de técnicas de inteligência computacional para classificação de dados petrográficos

• Autor(a) principal: Saporetti, Camila Martins
• Data de Publicação: 2016
• Tipo de documento: Dissertação
• Idioma: por
• Título da fonte: Repositório Institucional da UFJF
• Texto Completo: https://repositorio.ufjf.br/jspui/handle/ufjf/3542
• topic: CNPQ::CIENCIAS EXATAS E DA TERRA; Inteligência computacional; Diagênese; Petrografia sedimentar; Computational Intelligence; Diagenesis; Sedimentary Petrography

Modelos preditivos de distribuição de heterogeneidades e qualidade em reservatórios de hidrocarbonetos são de fundamental importância para exploração e otimização da produção de campos de óleo e gás. As heterogeneidades são determinadas através das distintas petrofácies sedimentares, um conjunto de características petrográficas que especificam um grupo de rochas. O procedimento de identificar petrofácies geralmente é longo, o que faz com que a automatização seja necessária para agilizar o processo, e assim a análise seja concluída rapidamente. Recentemente, técnicas oriundas da área de inteligência computacional têm sido usadas para auxiliar na tomada de decisões de especialistas em diversos problemas de Geociências. O objetivo desta dissertação é avaliar o desempenho de diferentes técnicas baseadas em inteligência computacional para prever a classificação de amostras petrográficas pertencentes a uma mesma bacia sedimentar e propor o uso delas nesse tipo de problema. Para isso, desenvolveu-se um framework computacional para classificar petrofácies de acordo com seus constituintes. Os dados analisados são provenientes de três fontes distintas. A primeira base de dados é formada por amostras da região de Tibagi (PR) e a segunda da região de Dom Aquino (MS). Tais amostras são referentes a uma unidade litoestratigráfica formalizada na Bacia do Paraná como Membro Tibagi. A terceira é a junção das duas bases anteriores. A quarta por amostras do membro Mucuri da Bacia Sedimentar do Espírito Santo. A metodologia proposta envolve o uso de métodos de classificação, técnicas de validação cruzada, redução de dimensionalidade, seleção de características e o emprego de assembleia de constituintes. Os parâmetros envolvidos no ajuste dos métodos foram determinados por um processo de busca exaustiva com validação cruzada, e métricas de classificação adequadas foram usadas para avaliar e comparar os resultados. A metodologia apresentada, além de avaliar o desempenho de diversas técnicas de inteligência computacional, surge como uma alternativa para auxiliar o geólogo/especialista na determinação e caracterização das petrofácies, contribuindo para a redução do esforço no processo manual de individualização.