Please use this identifier to cite or link to this item: http://repositorio.ufpa.br/jspui/handle/2011/5754
Compartilhar:
Type: Dissertação
Issue Date: 17-Feb-2014
Authors: SANTOS, Renata de Sena
First Advisor: ANDRADE, André José Neves
Title: Identificação de fácies em perfis de poço com algoritmo inteligente
Sponsor: CAPES - Coordenação de Aperfeiçoamento de Pessoal de Nível Superior
Citation: SANTOS, Renata de Sena. Identificação de fácies em perfis de poço com algoritmo inteligente. 2014. 54 f. Dissertação (Mestrado) - Universidade Federal do Pará, Instituto de Geociências, Belém, 2014. Programa de Pós-Graduação em Geofísica.
Resumo: A identificação de fácies em um poço não testemunhado é um dos problemas clássicos da avaliação de formação. Neste trabalho este problema é tratado em dois passos, no primeiro produz-se a codificação da informação geológica ou da descrição das fácies atravessadas em um poço testemunhado em termos das suas propriedades físicas registradas nos perfis geofísicos e traduzidas pelos parâmetros L e K, que são obtidos a partir dos perfis de porosidade (densidade, sônico e porosidade neutrônica) e pela argilosidade (Vsh) calculada pelo perfil de raio gama natural. Estes três parâmetros são convenientemente representados na forma do Gráfico Vsh-L-K. No segundo passo é realizada a interpretação computacional do Gráfico Vsh-L-K por um algoritmo inteligente construído com base na rede neural competitiva angular generalizada, que é especializada na classificação de padrões angulares ou agrupamento de pontos no espaço n-dimensional que possuem uma envoltória aproximadamente elipsoidal. Os parâmetros operacionais do algoritmo inteligente, como a arquitetura da rede neural e pesos sinápticos são obtidos em um Gráfico Vsh-L-K, construído e interpretado com as informações de um poço testemunhado. Assim, a aplicação deste algoritmo inteligente é capaz de identificar e classificar as camadas presentes em um poço não testemunhado, em termos das fácies identificadas no poço testemunhado ou em termos do mineral principal, quando ausentes no poço testemunhado. Esta metodologia é apresentada com dados sintéticos e com perfis de poços testemunhados do Campo de Namorado, na Bacia de Campos, localizada na plataforma continental do Rio de Janeiro, Brasil.
Abstract: Facies identification in an uncored borehole is a classic problem in formation evaluation. In this study, this problem is treated as the extraction of geological information or facies descriptions from a cored borehole in terms of their physical properties registered in well logs and perform their encoding through the parameters L and K calculated from porosity logs, and shaliness calculated using the natural gamma ray log to construct the Vsh-L-K plot. For interpretation is presented an intelligent algorithm based on the competitive generalized angular neural network, built for angular pattern classification or data clustering in n-dimensional space that have an approximately ellipsoidal envelope, which are the characteristics of clusters in the Vsh-L-K plot and make your visual interpretation extremely complex. The application of intelligent algorithm is able to identify and classify the layers present in uncored boreholes, in terms of the facies identified in the cored borehole or in terms of its main mineral, when it is absent in the cored borehole. This methodology is presented with synthetic data and well logs from cored boreholes in Namorado oil field, in the Campos Basin, located on the continental shelf of Rio de Janeiro, Brazil.
Keywords: Perfilagem geofísica de poços
Fácies (Geologia)
Processamento de dados
Redes neurais artificiais
CNPq: CNPQ::CIENCIAS EXATAS E DA TERRA::GEOCIENCIAS::GEOFISICA::GEOFISICA APLICADA
Country: Brasil
Publisher: Universidade Federal do Pará
Institution Acronym: UFPA
Department: Instituto de Geociências
Program: Programa de Pós-Graduação em Geofísica
Appears in Collections:Dissertações em Geofísica (Mestrado) - CPGF/IG

Files in This Item:
File Description SizeFormat 
Dissertacao_IdentificacaoFaciesPerfis.pdf649,87 kBAdobe PDFView/Open


This item is licensed under a Creative Commons License Creative Commons