Made available in DSpace on 2014-12-17T14:08:35Z (GMT). No. of bitstreams: 1 MariaVMMpdf.pdf: 1276052 bytes, checksum: 2a1c6384ed87c24c3ab5a2346947a35d (MD5) Previous issue date: 2009-07-24 / The main objective of this study is to apply recently developed methods of physical-statistic to time series analysis, particularly in electrical induction s profiles of oil wells data, to study the petrophysical similarity of those wells in a spatial distribution. For this, we used the DFA method in order to know if we can or not use this technique to characterize spatially the fields. After obtain the DFA values for all wells, we applied clustering analysis. To do these tests we used the non-hierarchical method called K-means. Usually based on the Euclidean distance, the K-means consists in dividing the elements of a data matrix N in k groups, so that the similarities among elements belonging to different groups are the smallest possible. In order to test if a dataset generated by the K-means method or randomly generated datasets form spatial patterns, we created the parameter Ω (index of neighborhood). High values of Ω reveals more aggregated data and low values of Ω show scattered data or data without spatial correlation. Thus we concluded that data from the DFA of 54 wells are grouped and can be used to characterize spatial fields. Applying contour level technique we confirm the results obtained by the K-means, confirming that DFA is effective to perform spatial analysis / O principal objetivo do presente trabalho foi aplicar m?todos recentemente desenvolvidos em f?sica-estat?stica ?s s?ries temporais, em especial a dados de perfis el?tricos de indu??o de 54 po?os de petr?leo localizados no Campo de Namorado Bacia de Campos - RJ, para estudar a similaridade petrof?sica dos po?os numa distribui??o espacial. Para isto, utilizamos o m?todo do DFA com o intuito de saber se podemos, ou n?o, utilizar esta t?cnica para caracterizar espacialmente o campo. Depois de obtidos os valores de DFA para todos os po?os, fizemos uma an?lise de agrupamento com rela??o a estas caracter?sticas; para tanto, utilizamos o m?todo de agrupamento n?o-hier?rquico chamado m?todo K-m?dia. Geralmente baseado na dist?ncia euclidiana, o K-m?dia consiste em dividir os elementos de uma matriz n de dados em k grupos bem definidos, de maneira que as semelhan?as existentes entre elementos pertencentes a grupos distintos sejam as menores poss?veis. Com o objetivo de verificar se um conjunto de dados gerados pelo m?todo do K-m?dia ou gerado aleatoriamente forma padr?es espaciais, criamos o par?metro Ω (?ndice de vizinhan?a). Altos valores de Ω implicam em dados mais agregados e baixos valores de Ω em dados dispersos ou sem correla??o espacial. Com aux?lio do m?todo de Monte Carlo observamos que dados agrupados aleatoriamente apresentam uma distribui??o de Ω inferior ao valor emp?rico. Desta forma conclu?mos que os dados de DFA obtidos nos 54 po?os est?o agrupados e podem ser usados na caracteriza??o espacial de campos. Ao cruzar os dados das curvas de n?vel com os resultados obtidos pelo K-m?dia, confirmamos a efici?ncia do mesmo para correlacionar po?os em distribui??o espacial