Use este identificador para citar ou linkar para este item:
http://hdl.handle.net/123456789/3256
Título: | Classificação de falhas geológica em dados sísmico usando covariograma e aprendizado de máquina |
Título(s) alternativo(s): | Classification of geological faults in seismic data using covariogram and machine learning |
Autor(es): | BARROS, Márcio Sygeaks Frazão |
Palavras-chave: | Dados sísmicos Falhas geológicas Aprendizado de máquina SVM Função geoestatistica Seismic data geological faults Machine learning SVM Function geostatistics |
Data do documento: | 18-Fev-2013 |
Editor: | Universidade Federal do Maranhão |
Resumo: | O petróleo é a principal fonte de energia utilizada no mundo, mas também exige um custo bastante elevado para sua obtenção. A perfuração de um poço de petróleo pode atingir, em uma estimativa, até 85% do custo total da exploração. Portanto, é necessário ter o máximo de informações possíveis das condições geológicas da área antes de iniciar a perfuração de um poço. Uma das etapas de obtenção dessa fonte energética é a prospecção que inicia pelos estudos geológicos de observação até a obtenção de dados sísmicos e a perfuração do poço pioneiro. A sísmica hoje é uma das ferramentas mais importantes na prospecção do petróleo, mas os dados sísmicos coletados necessitam de tratamentos através de programas computacionais para poderem ser interpretados pelos geólogos e geofísicos. O objetivo desse trabalho é desenvolver um método usando a função Covariograma como descritores de característica e aprendizado de máquina, que auxilie o intérprete na geração de um modelo que melhor representa a estrutura geológica para classificação de falhas em dados sísmicos. O método obteve resultados de sensibilidade igual a 91.10%, especificidade igual a 93.92% e acurácia igual a 92.23% |
Descrição: | ABSTRACT Oil is the main source of energy used worldwide, but also requires a high cost to obtain. Drilling an oil well can achieve in an estimate of 85% of the total cost of operation. Therefore, you need as much information as possible on geological conditions of the area before starting the drilling of a well. One of the steps to obtain this energy source is the prospect that starts by geological observation to obtain seismic data and the drilling of wildcat well. The seismic is today one of the most important tools in the exploration of oil, but the seismic data collected require treatment by computer programs so that they can be interpreted by geologists and geophysicists. The aim of this work is to develop a method using the function as Covariograma feature descriptors and machine learning, which helps the performer to generate a model that best represents the geological structure for fault detection in seismic data. The method results obtained sensitivity equal to 91.10%, specificity of 93.92%and accuracy equal to 92.23%. |
URI: | http://hdl.handle.net/123456789/3256 |
Aparece nas coleções: | TCCs de Graduação em Ciência da Computação do Campus do Bacanga |
Arquivos associados a este item:
Arquivo | Descrição | Tamanho | Formato | |
---|---|---|---|---|
MarcioSygeaksFrazãoBarros.pdf | Trabalho de Conclusão de Curso | 1,43 MB | Adobe PDF | Visualizar/Abrir |
Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.