Orientadores: Alexandre Campane Vidal, Emilson Pereira Leite

Dissertação (mestrado) - Universidade Estadual de Campinas, Instituto de Geociências

Resumo: A caracterização de reservatórios é um trabalho complexo, que envolve muitas variáveis com informações em diferentes escalas. Para minimizar incertezas, este trabalho propõe a utilização de redes neurais artificiais, algoritmo computacional inspirado no funcionamento cerebral que mapeia,...

Resumo: A caracterização de reservatórios é um trabalho complexo, que envolve muitas variáveis com informações em diferentes escalas. Para minimizar incertezas, este trabalho propõe a utilização de redes neurais artificiais, algoritmo computacional inspirado no funcionamento cerebral que mapeia, agrupa e prevê informações a partir de reconhecimento de padrões supervisionados ou não. Neste trabalho foram aplicados dois métodos: Mapas Auto-Organizáveis e Backpropagation. O objetivo da aplicação da ferramenta é o melhor entendimento dos reservatórios estudados, a partir da identificação litológica e previsão de características petrofísicas em dados de poços e a melhoria de visualização sísmica realizada a partir do estudo de multiatributos sísmicos. Através dos resultados é possível delimitar a geometria dos reservatórios possibilitando ajustes e tomadas de decisões que aperfeiçoam o processo de exploração. Com este propósito foram analisados duas áreas de estudo: a bacia de Taubaté localizada na porção leste do estado de São Paulo, que ocupa uma área aproximada de 2400 km², estendendo-se ao longo do Vale do Rio Paraíba, desde Jacareí até a cidade de Cruzeiro; e o campo de Namorado, na bacia de Campos, localizado na parte central norte na zona de acumulação de hidrocarbonetos da Bacia de Campos, a 80 km da costa. Na bacia de Taubaté foram realizados estudos de caracterização de eletrofácies em dados de perfis de poços, posteriormente utilizados no ajuste da análise sísmica das linhas 2D da mesma bacia. No campo de Namorado foram estudadas as fácies reservatório e possíveis reservatórios para identificação e classificação de qualidade, além da predição de permeabilidade nos intervalos de reservatório

Abstract: The reservoir characterization is complex, involving many variables with information on different scales. To minimize uncertainties, this paper proposes the use of artificial neural networks, computational algorithm inspired on the brain function, which maps, groups, and provides...

Abstract: The reservoir characterization is complex, involving many variables with information on different scales. To minimize uncertainties, this paper proposes the use of artificial neural networks, computational algorithm inspired on the brain function, which maps, groups, and provides information based on supervised pattern recognition or not. In this work we applied two methods: Self-Organizing Maps, and Backpropagation. The purpose of the application of the tool is a better understanding of the reservoirs, by identifying lithologic and predicting of petrophysical characteristics on data from well logs and improving seismic preview done from the multi-attribute seismic study. Through the results it is possible to define the boundaries of reservoirs, allowing adjustments and making decisions that enhance the exploration process. For this purpose we analyzed two study areas: the Taubaté basin located in the southeastern portion of the São Paulo state, encompasses an area of approximately 2400 km², stretching along the Paraíba River Valley, from Jacareí to the Cruzeiro city; and Namorado field in the Campos Basin, located in the central zone of hydrocarbon accumulation in the Campos Basin, 80 km from the coast. In Taubaté basin the studies have been performed on well log characterization, they were used to adjust the seismic analysis of 2D lines in the same basin, through multi-attributes analysis. In Namorado field the facies of reservoir and possible reservoir were studied for identify e classify the rock types, besides to predict the permeability in reservoir intervals