Reconhecimento de fáceis em perfis geofísicos de poços com rede neural competitiva

dc.contributorANDRADE, André José Neves
dc.contributorhttp://lattes.cnpq.br/8388930487104926
dc.creatorCOSTA, Jéssica Lia Santos da
dc.date2019-08-14T11:50:46Z
dc.date2019-08-14T11:50:46Z
dc.date2015-02-27
dc.date.accessioned2023-09-28T15:22:24Z
dc.date.available2023-09-28T15:22:24Z
dc.identifierCOSTA, Jéssica Lia Santos da. Reconhecimento de fáceis em perfis geofísicos de poços com rede neural competitiva. Orientador: André José Neves Andrade. 2015. 79 f. Dissertação (Mestrado em Geofísica) - Instituto de Geociências, Universidade Federal do Pará, Belém, 2015. Disponível em: http://repositorio.ufpa.br/jspui/handle/2011/11440. Acesso em:.
dc.identifierhttp://repositorio.ufpa.br/jspui/handle/2011/11440
dc.identifier.urihttps://repositorioslatinoamericanos.uchile.cl/handle/2250/9013240
dc.descriptionThe description of a depositional system based on the recognition of sedimentary facies is critical to the oil industry to characterize the petroleum system. In the absence of these facies description by cores or outcrop, we present a methodology based on intelligent algorithm able to identify facies of interest in wireline logs. This methodology uses a competitive neural network to extract geological information from the physical properties mapped in the M-N plot. The competition among neurons identifies the facies of interest, which have been previously identified in a cored borehole in other non-cored boreholes in the same oil field. The purpose of this methodology is to encode and transmit the geological information gained in cored boreholes to non-cored wells and thus achieve the geological interpretation of the facies of interest in an oil field. This methodology has been evaluated with synthetic data and actual wireline logs from two cored boreholes drilled in the Namorado oil field, Campos Basin, Brazil.
dc.descriptionANP - Agência Nacional do Petróleo
dc.descriptionCAPES - Coordenação de Aperfeiçoamento de Pessoal de Nível Superior
dc.descriptionPETROBRAS - Petróleo Brasileiro S.A.
dc.descriptionA descrição de um sistema de deposição com base no reconhecimento de fácies sedimentares é fundamental para a indústria do petróleo caracterizar um sistema petrolífero. Na ausência da descrição de facies seja em testemunhos ou em afloramento, apresentamos uma metodologia baseada em um algoritmo inteligente, que busca identificar as facies utilizando os perfis geofísicos. Esta metodologia utiliza uma rede neural competitiva para extrair a informação geológica a partir das propriedades físicas mapeadas no Gráfico M-N. A competição entre os neurônios identifica as fácies de interesse, que foram previamente identificados em um poço testemunhado em outros não testemunhados do mesmo campo petrolífero. O objetivo desta metodologia é o de codificar e transmitir a informação geológica adquirida nos poços testemunhados para poços não testemunhados e, assim, possibilitar a interpretação geológica das fácies de interesse em um campo de petróleo. Esta metodologia foi avaliada com perfis sintéticos e perfis reais registrados em dois poços testemunhados do Campo de Namorado, Bacia de Campos, Brasil
dc.descriptionUFPA - Universidade Federal do Pará
dc.formatapplication/pdf
dc.languagepor
dc.publisherUniversidade Federal do Pará
dc.publisherBrasil
dc.publisherInstituto de Geociências
dc.publisherUFPA
dc.publisherPrograma de Pós-Graduação em Geofísica
dc.rightsAcesso Aberto
dc.source1 CD-ROM
dc.subjectGeofísica
dc.subjectPerfilagem geofísica de poços
dc.subjectRedes neurais (Computação)
dc.subjectGeofísica de poço
dc.subjectInterpretação geológica
dc.subjectAlgoritmos inteligentes
dc.subjectGeophysics
dc.subjectWireline logging
dc.subjectIntelligent algorithm
dc.subjectGeologic interpretation
dc.subjectCNPQ::CIENCIAS EXATAS E DA TERRA::GEOCIENCIAS::GEOFISICA
dc.subjectAPLICAÇÃO E DESENVOLVIMENTO DE ALGORITMOS INTELIGENTES AO ESTUDO DE RESERVATÓRIOS DE HIDROCARBONETOS
dc.subjectGEOFÍSICA DE POÇO
dc.titleReconhecimento de fáceis em perfis geofísicos de poços com rede neural competitiva
dc.typeDissertação


Este ítem pertenece a la siguiente institución