Identificação de falhas geológicas em sísmicas usando Redes Neurais Convolucionais
Autor(a) principal: | |
---|---|
Data de Publicação: | 2022 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Repositório Institucional da UNISINOS (RBDU Repositório Digital da Biblioteca da Unisinos) |
Texto Completo: | http://www.repositorio.jesuita.org.br/handle/UNISINOS/12441 |
Resumo: | Abordagens usando aprendizagem de máquina estão sendo cada vez mais utilizadas como apoio em atividades na Geociência. Dentre as aplicações possíveis, algumas são voltadas à interpretação de dados sísmicos em tarefas tais como identificação de feições ou falhas. Em particular, este trabalho auxilia na interpretação sísmica trazendo ganhos ao diminuir o trabalho manual e o tempo gasto ao se realizar o estudo da área geológica. Recursos de aprendizado supervisionado com uso de redes de aprendizado profundo têm sido identificados na literatura com bons resultados para este contexto, em atividades de segmentação. Este trabalho descreve o desenvolvimento de um estudo sobre métodos para apoio na detecção de fraturas em sísmica, a proposição de uma abordagem para esta detecção usando recursos de aprendizado supervisionado, bem como experimentos de avaliação. Com base nesse estudo e em experimentos preliminares, foi proposta e avaliada uma arquitetura de rede do tipo encoder-decoder, que atua na segmentação de imagens identificando as falhas. Esta arquitetura tem como base as redes DNFS, StNet e FaultNet. O trabalho também gerou contribuições na produção e anotação de um dataset com dados anotados de falhas em sísmica e sua disponibilização para experimentos. O estudo prevê como atividades futuras a identificação de falhas ou fraturas criticamente estressadas de acordo com o campo tensional. |
id |
USIN_85d0789a53870cae76ab14ab7aa9f119 |
---|---|
oai_identifier_str |
oai:www.repositorio.jesuita.org.br:UNISINOS/12441 |
network_acronym_str |
USIN |
network_name_str |
Repositório Institucional da UNISINOS (RBDU Repositório Digital da Biblioteca da Unisinos) |
repository_id_str |
|
spelling |
2023-06-01T12:41:53Z2023-06-01T12:41:53Z2022-12-01Submitted by Jeferson Carlos da Veiga Rodrigues (jveigar@unisinos.br) on 2023-06-01T12:41:53Z No. of bitstreams: 1 Lucas Gabriel Ferreira Alves_.pdf: 17168527 bytes, checksum: f35c26d4fde7cf9cc66a0c508eb3b2e4 (MD5)Made available in DSpace on 2023-06-01T12:41:53Z (GMT). No. of bitstreams: 1 Lucas Gabriel Ferreira Alves_.pdf: 17168527 bytes, checksum: f35c26d4fde7cf9cc66a0c508eb3b2e4 (MD5) Previous issue date: 2022-12-01Abordagens usando aprendizagem de máquina estão sendo cada vez mais utilizadas como apoio em atividades na Geociência. Dentre as aplicações possíveis, algumas são voltadas à interpretação de dados sísmicos em tarefas tais como identificação de feições ou falhas. Em particular, este trabalho auxilia na interpretação sísmica trazendo ganhos ao diminuir o trabalho manual e o tempo gasto ao se realizar o estudo da área geológica. Recursos de aprendizado supervisionado com uso de redes de aprendizado profundo têm sido identificados na literatura com bons resultados para este contexto, em atividades de segmentação. Este trabalho descreve o desenvolvimento de um estudo sobre métodos para apoio na detecção de fraturas em sísmica, a proposição de uma abordagem para esta detecção usando recursos de aprendizado supervisionado, bem como experimentos de avaliação. Com base nesse estudo e em experimentos preliminares, foi proposta e avaliada uma arquitetura de rede do tipo encoder-decoder, que atua na segmentação de imagens identificando as falhas. Esta arquitetura tem como base as redes DNFS, StNet e FaultNet. O trabalho também gerou contribuições na produção e anotação de um dataset com dados anotados de falhas em sísmica e sua disponibilização para experimentos. O estudo prevê como atividades futuras a identificação de falhas ou fraturas criticamente estressadas de acordo com o campo tensional.Approaches using machine learning are being used to support activities in Geoscience. Among the possible applications, some are aimed at interpreting seismic data in tasks such as identifying features or identifying faults. In particular, this work assists the seismic interpretation and can bring gains by reducing manual work and the time spent studying the geological area. This dissertation describes how a tool capable of selecting points representing geometric sequences in seismic and discontinuities in these sequences can be developed. Thus, in this work, a study of types of deep neural networks in seismic geological data was done. From these works, we have the identification of 2D faults or fractures. Experiments with deep neural network training in seismic were also carried out to serve as the basis for the proposed work. With this study and these experiments, a new network architecture of the encoder-decoder type was proposed and evaluated, making image segmentation identify faults. This architecture is based on DNFS, StNet, and FaultNet networks. The work also generated contributions in producing and annotating a dataset with annotated seismic fault data available for access and used in experiments. Our future steps include fostering solutions to identify faults or critically stressed fractures according to the tension field.CAPES - Coordenação de Aperfeiçoamento de Pessoal de Nível SuperiorAlves, Lucas Gabriel Ferreirahttp://lattes.cnpq.br/0752964572726781http://lattes.cnpq.br/3914159735707328Rigo, Sandro JoséUniversidade do Vale do Rio dos SinosPrograma de Pós-Graduação em Computação AplicadaUnisinosBrasilEscola PolitécnicaIdentificação de falhas geológicas em sísmicas usando Redes Neurais ConvolucionaisACCNPQ::Ciências Exatas e da Terra::Ciência da ComputaçãoFalhas geológicasRede neural convolucionalGeociênciasGeology faultsConvolutional neural networkGeosciencesinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesishttp://www.repositorio.jesuita.org.br/handle/UNISINOS/12441info:eu-repo/semantics/openAccessporreponame:Repositório Institucional da UNISINOS (RBDU Repositório Digital da Biblioteca da Unisinos)instname:Universidade do Vale do Rio dos Sinos (UNISINOS)instacron:UNISINOSLICENSElicense.txtlicense.txttext/plain; charset=utf-82175http://repositorio.jesuita.org.br/bitstream/UNISINOS/12441/2/license.txt320e21f23402402ac4988605e1edd177MD52ORIGINALLucas Gabriel Ferreira Alves_.pdfLucas Gabriel Ferreira Alves_.pdfapplication/pdf17168527http://repositorio.jesuita.org.br/bitstream/UNISINOS/12441/1/Lucas+Gabriel+Ferreira+Alves_.pdff35c26d4fde7cf9cc66a0c508eb3b2e4MD51UNISINOS/124412023-06-01 09:43:14.946oai:www.repositorio.jesuita.org.br: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 Digital de Teses e Dissertaçõeshttp://www.repositorio.jesuita.org.br/oai/requestopendoar:2023-06-01T12:43:14Repositório Institucional da UNISINOS (RBDU Repositório Digital da Biblioteca da Unisinos) - Universidade do Vale do Rio dos Sinos (UNISINOS)false |
dc.title.pt_BR.fl_str_mv |
Identificação de falhas geológicas em sísmicas usando Redes Neurais Convolucionais |
title |
Identificação de falhas geológicas em sísmicas usando Redes Neurais Convolucionais |
spellingShingle |
Identificação de falhas geológicas em sísmicas usando Redes Neurais Convolucionais Alves, Lucas Gabriel Ferreira ACCNPQ::Ciências Exatas e da Terra::Ciência da Computação Falhas geológicas Rede neural convolucional Geociências Geology faults Convolutional neural network Geosciences |
title_short |
Identificação de falhas geológicas em sísmicas usando Redes Neurais Convolucionais |
title_full |
Identificação de falhas geológicas em sísmicas usando Redes Neurais Convolucionais |
title_fullStr |
Identificação de falhas geológicas em sísmicas usando Redes Neurais Convolucionais |
title_full_unstemmed |
Identificação de falhas geológicas em sísmicas usando Redes Neurais Convolucionais |
title_sort |
Identificação de falhas geológicas em sísmicas usando Redes Neurais Convolucionais |
author |
Alves, Lucas Gabriel Ferreira |
author_facet |
Alves, Lucas Gabriel Ferreira |
author_role |
author |
dc.contributor.authorLattes.pt_BR.fl_str_mv |
http://lattes.cnpq.br/0752964572726781 |
dc.contributor.advisorLattes.pt_BR.fl_str_mv |
http://lattes.cnpq.br/3914159735707328 |
dc.contributor.author.fl_str_mv |
Alves, Lucas Gabriel Ferreira |
dc.contributor.advisor1.fl_str_mv |
Rigo, Sandro José |
contributor_str_mv |
Rigo, Sandro José |
dc.subject.cnpq.fl_str_mv |
ACCNPQ::Ciências Exatas e da Terra::Ciência da Computação |
topic |
ACCNPQ::Ciências Exatas e da Terra::Ciência da Computação Falhas geológicas Rede neural convolucional Geociências Geology faults Convolutional neural network Geosciences |
dc.subject.por.fl_str_mv |
Falhas geológicas Rede neural convolucional Geociências |
dc.subject.eng.fl_str_mv |
Geology faults Convolutional neural network Geosciences |
description |
Abordagens usando aprendizagem de máquina estão sendo cada vez mais utilizadas como apoio em atividades na Geociência. Dentre as aplicações possíveis, algumas são voltadas à interpretação de dados sísmicos em tarefas tais como identificação de feições ou falhas. Em particular, este trabalho auxilia na interpretação sísmica trazendo ganhos ao diminuir o trabalho manual e o tempo gasto ao se realizar o estudo da área geológica. Recursos de aprendizado supervisionado com uso de redes de aprendizado profundo têm sido identificados na literatura com bons resultados para este contexto, em atividades de segmentação. Este trabalho descreve o desenvolvimento de um estudo sobre métodos para apoio na detecção de fraturas em sísmica, a proposição de uma abordagem para esta detecção usando recursos de aprendizado supervisionado, bem como experimentos de avaliação. Com base nesse estudo e em experimentos preliminares, foi proposta e avaliada uma arquitetura de rede do tipo encoder-decoder, que atua na segmentação de imagens identificando as falhas. Esta arquitetura tem como base as redes DNFS, StNet e FaultNet. O trabalho também gerou contribuições na produção e anotação de um dataset com dados anotados de falhas em sísmica e sua disponibilização para experimentos. O estudo prevê como atividades futuras a identificação de falhas ou fraturas criticamente estressadas de acordo com o campo tensional. |
publishDate |
2022 |
dc.date.issued.fl_str_mv |
2022-12-01 |
dc.date.accessioned.fl_str_mv |
2023-06-01T12:41:53Z |
dc.date.available.fl_str_mv |
2023-06-01T12:41:53Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/masterThesis |
format |
masterThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
http://www.repositorio.jesuita.org.br/handle/UNISINOS/12441 |
url |
http://www.repositorio.jesuita.org.br/handle/UNISINOS/12441 |
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.publisher.none.fl_str_mv |
Universidade do Vale do Rio dos Sinos |
dc.publisher.program.fl_str_mv |
Programa de Pós-Graduação em Computação Aplicada |
dc.publisher.initials.fl_str_mv |
Unisinos |
dc.publisher.country.fl_str_mv |
Brasil |
dc.publisher.department.fl_str_mv |
Escola Politécnica |
publisher.none.fl_str_mv |
Universidade do Vale do Rio dos Sinos |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UNISINOS (RBDU Repositório Digital da Biblioteca da Unisinos) instname:Universidade do Vale do Rio dos Sinos (UNISINOS) instacron:UNISINOS |
instname_str |
Universidade do Vale do Rio dos Sinos (UNISINOS) |
instacron_str |
UNISINOS |
institution |
UNISINOS |
reponame_str |
Repositório Institucional da UNISINOS (RBDU Repositório Digital da Biblioteca da Unisinos) |
collection |
Repositório Institucional da UNISINOS (RBDU Repositório Digital da Biblioteca da Unisinos) |
bitstream.url.fl_str_mv |
http://repositorio.jesuita.org.br/bitstream/UNISINOS/12441/2/license.txt http://repositorio.jesuita.org.br/bitstream/UNISINOS/12441/1/Lucas+Gabriel+Ferreira+Alves_.pdf |
bitstream.checksum.fl_str_mv |
320e21f23402402ac4988605e1edd177 f35c26d4fde7cf9cc66a0c508eb3b2e4 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 |
repository.name.fl_str_mv |
Repositório Institucional da UNISINOS (RBDU Repositório Digital da Biblioteca da Unisinos) - Universidade do Vale do Rio dos Sinos (UNISINOS) |
repository.mail.fl_str_mv |
|
_version_ |
1801845091749330944 |