Orientador: Emilson Pereira LeiteTese (doutorado) - Universidade Estadual de Campinas, Faculdade de Engenharia Mecânica e Instituto de GeociênciasResumo: Este trabalho é uma compilação de quatro artigos, publicados em revistas internacionais, e dois capítulos adicionais aos estudos realizados com Análise de Componentes Independentes Rápida (FastICA) e Transformada Discreta de Cosseno (DCT) sobre o dados de poço e dados sísmicos. O primeiro artigo visa a classificação automática de dados de poços usando FastICA e K-Vizinhos mais Próximos (K-NN), um classificador espacial supervisionado, subdividindo o conjunto de dados em sub-conjuntos de dados para treinamento e classificação. O segundo acrescenta hipóteses sobre limiares em dados, para melhorar o nível de precisão da resposta do método de classificação e proposições de remoção de ruído. O terceiro artigo testa os processos de supressão e suavização do ruído através da DCT, com a intenção de melhorar a taxa de sucesso da classificação automática em relação aos dados do poços. O quarto trabalho mostra a associação FastICA com a decomposição Wavelet para formar a Análise Espectral de Componentes Independentes (ICSA), uma análise multivariada espectral, para visualizar diferentes características geológicas em diferentes bandas de freqüência. O método de aplicação da FastICA nesse artigo é utilizado no capítulo 6. O Capítulo 5 complementa o estudo e testa as condições estacionárias dos dados de poços, bem como os subconjuntos de dados criados durante a aplicação da classificação automática. O método FastICA é uma otimização computacional que assume a estacionariedade dos dados utilizados, se isso não for observado, o método perde sua robustez. O Capítulo 6, também complementar aos quatro artigos acima, utiliza um mecanismo relacionado à aplicação da FastICA do artigo quatro. Usando DCT para gerar diferentes linhas sísmicas suavizadas, FastICA correlaciona tudo em uma imagem suavizada que carrega informações de todas as linhas suavizadasAbstract: This work is a four article compilation , published in international journals, and two additional chapters to the studies performed with Fast Independent Component Analysis (FastICA) and Discrete Cosine Transform (DCT) over well-log data and seismic data. The first article aims to automatic classification well log data using FastICA and K-Nearest Neighbor (K-NN), a supervised spatial classifier, subdividing data set in sub datasets for training and classification. The second, adds data thresholds hypotheses to improve the output accuracy level of the classification method and noise removal purposes. The third article tests for noise suppression and smoothing processes through DCT, with the intention of improve the automatic classification success rate over well log data. The fourth paper shows the FastICA association with Wavelet decomposition to form the Independent Component Spectral Analysis (ICSA), an spectral multivariate analysis, to visualize different geological characteristics in different frequency bands. The Fast ICA application method is also important in the next chapters. Chapter 5 complements and tests the well log data stationary conditions, as well as the subsets of data created during the application of automatic classification. The FastICA method is a computational optimization that assumes the stationarity of the data used, if this is not observed, the method loses its robustness. Chapter 6, also complementary to the four articles above, uses a related mechanism to the article four FastICA application. Using DCT to generate different Smoothed Seismic Lines, FastICA correlates all in one smoothed image that carries information from all smoothed linesDoutoradoReservatórios e GestãoDoutor em Ciências e Engenharia de Petróleo