Reconhecimento e classificação de fáceis geológicas através da análise de componentes independentes
Alexandre Cruz Sanchetta
DISSERTAÇÃO
Português
T/UNICAMP Sa55r
[Recognition and classification of geological facies based on independent component analysis]
Campinas, SP : [s.n.], 2010.
92 f. : il.
Orientador: Rodrigo de Souza Portugal
Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Mecânica e Instituto de Geociências
Resumo: O uso método de análise multivariada ICA (Análise de Componentes Independentes), mais o método K-NN (K-vizinhos mais Próximos) aplicados em dados de poços e em dados sísmicos buscando classificar fácies geológicas e suas características. Esses dois métodos foram aplicados em dados retirados...
Ver mais
Resumo: O uso método de análise multivariada ICA (Análise de Componentes Independentes), mais o método K-NN (K-vizinhos mais Próximos) aplicados em dados de poços e em dados sísmicos buscando classificar fácies geológicas e suas características. Esses dois métodos foram aplicados em dados retirados do Campo de Namorado, na Bacia de Campos, Brasil. A ICA encontra as componentes independentes dos dados, que quando treinadas pelo método K-NN para reconhecer padrões nos dados, predizem fácies geológicas e outras informações sobre as rochas, como as características de reservatório. Essas componentes independentes configuram uma nova opção de interpretação das informações disponíveis, pois nessas novas variáveis, o espaço de análise não apresenta dimensões dependentes e exclui informações repetidas ou dúbias da interpretação dos resultados. Além disso, a maior parte da informação é resumida em poucas dimensões, resultando em uma possível redução de variáveis referentes ao problema. Um abundante número de testes foi feito procurando a taxa de sucesso desse método. Como taxa de sucesso, é compreendida a divisão do número de predições corretas dividido pelo número total de tentativas. O que se observa é uma taxa de sucesso alta, em torno de 85% de acerto em algumas situações, ressaltando-se que as componentes têm distribuição gaussiana, sendo que o método funciona melhor em encontrar componentes não-gaussianas. Mesmo nessa situação adversa o método se mostrou robusto. A solidez do método mostra-se uma alternativa para novas formas de interpretação geológicas e petrofísicas. Um dos trunfos desse método é que a base da sua aplicação pode ser estendida para outros tipos de dados, inclusive de naturezas físicas diferentes
Ver menos
Abstract: The use of multivariate analysis method ICA (Independent Component Analysis), plus the K-NN method (K-nearest Neighbor) applied on well log data and seismic data to predict the classification of geological facies and their characteristics. These two methods were applied to data from the...
Ver mais
Abstract: The use of multivariate analysis method ICA (Independent Component Analysis), plus the K-NN method (K-nearest Neighbor) applied on well log data and seismic data to predict the classification of geological facies and their characteristics. These two methods were applied to data from the Campo de Namorado, in the Campos Basin, Brasil. The ICA finds the independent components of the data that can be trained by K-NN method to recognize patterns in the data and predict the geological facies or other information about the rocks, as the characteristics of the reservoir. These independent components make up a new option for interpretation of available information, because with these new variables, the space has no dependent dimensions and the duplicate information or dubious interpretation of results are excluded. Moreover, most of the information is summarized in a few dimensions, resulting in a possible reduction of variables related to the problem. An abundant number of tests were done looking for the success rate of this method. As success rate, it is understood by the division of the number of correct predictions divided by total attempts. What is observed is a high success rate, around 85% accuracy in some situations, pointing out that the components have a Gaussian distribution and the method works best in finding non-Gaussian components. Even in this adverse situation the method was robust. The robustness of the method proves that ICA can be an alternative to new forms of geological and petrophysical interpretation. One of the advantages of this method is that the basis of their application can be extended to other types of data, including datas with different physical natures
Ver menos
Portugal, Rodrigo de Souza, 1971-
Orientador
Leite, Emilson Pereira, 1975-
Avaliador
Diogo, Liliana Alcazar
Avaliador
Reconhecimento e classificação de fáceis geológicas através da análise de componentes independentes
Alexandre Cruz Sanchetta
Reconhecimento e classificação de fáceis geológicas através da análise de componentes independentes
Alexandre Cruz Sanchetta
Exemplares
Nº de exemplares: 2
Não existem reservas para esta obra