Classificação de falhas geológica em dados sísmico usando covariograma e aprendizado de máquina

Abstract

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%