Made available in DSpace on 2015-03-03T13:59:42Z (GMT). No. of bitstreams: 1 FranciscoWFA.pdf: 1362232 bytes, checksum: 33548c2a28a5c7d6034cf165f163a691 (MD5) Previous issue date: 2009-05-22 / ?Peng was the first to work with the Technical DFA (Detrended Fluctuation Analysis), a tool capable of detecting auto-long-range correlation in time series with non-stationary. In this study, the technique of DFA is used to obtain the Hurst exponent (H) profile of the electric neutron porosity of the 52 oil wells in Namorado Field, located in the Campos Basin -Brazil. The purpose is to know if the Hurst exponent can be used to characterize spatial distribution of wells. Thus, we verify that the wells that have close values of H are spatially close together. In this work we used the method of hierarchical clustering and non-hierarchical clustering method (the k-mean method). Then compare the two methods to see which of the two provides the best result. From this, was the parameter ? (index neighborhood) which checks whether a data set generated by the k- average method, or at random, so in fact spatial patterns. High values of ? indicate that the data are aggregated, while low values of ? indicate that the data are scattered (no spatial correlation). Using the Monte Carlo method showed that combined data show a random distribution of ? below the empirical value. So the empirical evidence of H obtained from 52 wells are grouped geographically. By passing the data of standard curves with the results obtained by the k-mean, confirming that it is effective to correlate well in spatial distribution / Peng foi o primeiro a trabalhar com a T?cnica DFA (Detrended Fluctuation Analysis), uma ferramenta capaz de detectar auto-correla??o de longo alcance em s?ries temporais com n?o-estacionaridade. Nesse trabalho, a t?cnica de DFA ? utilizada para obter o expoente de Hurst (H) do perfil el?trico de Porosidade Neutr?nica dos 52 po?os petrol?feros Campo de Namorado, situado na Bacia de Campos ? RJ. A finalidade ? saber se o expoente de Hurst pode ou n?o ser usado para se caracterizar uma distribui??o espacial dos po?os. Assim, queremos verificar se os po?os que apresentam valores pr?ximos de H est?o espacialmente pr?ximos entre si. Neste trabalho foi utilizado o m?todo de agrupamento hier?rquico e o m?todo de agrupamento n?o hier?rquico (m?todo do k-m?dia). Em seguida comparamos os dois m?todos para ver qual dos dois fornece o melhor resultado. A partir disso, foi criado o par?metro (?ndice de vizinhan?a) o qual verifica se um conjunto de dados gerados pelo m?todo km?dia, ou de forma aleat?ria, forma de fato padr?es espaciais. Altos valores de indicam que os dados est?o agregados, enquanto que baixos valores de indicam que os dados est?o espalhados (sem correla??o espacial). Com aux?lio do m?todo de Monte Carlo observou-se que dados agrupados aleatoriamente apresentam uma distribui??o de inferior ao valor emp?rico. Portanto os dados emp?ricos de H obtidos dos 52 po?os est?o agrupados espacialmente. Ao cruzar os dados das curvas de n?vel com os resultados obtidos pelo k-m?dia, confirmam que este ? eficaz para correlacionar po?os em distribui??o espacial