Please use this identifier to cite or link to this item: http://hdl.handle.net/123456789/3262
Title: Classificação de falhas geológicas em dados sísmicos usando correlograma e aprendizado de máquina
Other Titles: Classification of geological faults in seismic data using correlogram and machine learning
Authors: SILVA JÚNIOR, Antônio Gomes da
Keywords: Aprendizado de máquina
SVM
Falhas sísmicas
Atributos sísmicos
Geoestatística
Correlograma
Machine learning
Classification
SVM
Seismic faults
Seismic atributes
Geostatistics
Correlogram
Issue Date: 18-Feb-2013
Publisher: Universidade Federal do Maranhão
Abstract: A sísmica de reflexão, em relação a outras técnicas de mapeamento do subsolo, tem como principais vantagens a não necessidade de perfuração de poços e o levantamento de dados de áreas de grande extensão. A busca por uma representação adequada dos reservatórios de petróleo através de dados sísmicos e o fato desse processo gerar uma grande quantidade de informações sobre as condições geológicas da área antes de se iniciar a perfuração de um poço pode evitar prejuízos e maximizar o lucro, além de reduzir o impacto ambiental com perfurações desnecessárias. O presente trabalho tem como objetivo desenvolver um método que auxilie o intérprete na classificação de possíveis falhas em dados sísmicos utilizando a função geoestatística Correlograma como descritor de características e técnicas de aprendizado de máquina. A interpretação sísmica visa identificar estruturas onde o óleo possa estar aprisionado em um reservatório. O método apresentado obteve resultados de sensibilidade igual a 96,8%, especificidade a 93,63%, e acurácia igual a 96,6%.
Description: ABSTRACT The seismic reflection, relative to other subsurface mapping techniques, has as its main advantages is no need for drilling and data collection areas to great extent. The search for an adequate representation of petroleum reservoirs using seismic data and the fact that process generate a lot of information on geological conditions of the area before they start drilling a well can avoid losses and maximize profit and reduce environmental impact with perforations unnecessary. This study aims to develop a method to assist the interpreter in the classification of possible faults in seismic data using geostatistics correlogram function as a descriptor of features and machine learning techniques. The seismic interpretation is to identify structures where oil may be trapped in a reservoir. The method presented results obtained sensitivity equal to 96.8%, specificity equal to 93.63% and accuracy equal to 96.6%.
URI: http://hdl.handle.net/123456789/3262
Appears in Collections:TCCs de Graduação em Ciência da Computação do Campus do Bacanga

Files in This Item:
File Description SizeFormat 
ANTONIO-SILVA.pdfTrabalho de Conclusão de Curso1,42 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.