Spelling suggestions: "subject:"seismofacies"" "subject:"sismofácies""
1 |
Classificação de sismofáceis carbonáticas a partir da técnica Self-Organizing Maps (SOM). / Variability study of carbonate sismofacies applying the Self-Organizing technique.Bronizeski, Edgar Davanço 26 October 2018 (has links)
O desenvolvimento de soluções para a classificação de ambientes de sedimentação ainda é um desafio, sobretudo em ambientes de deposição carbonáticos. Em reservatórios de óleo e gás offshore, onde a geometria dos ambientes deposicionais é fundamental para a estimativa de viabilidade técnica e econômica de exploração e produção, a discriminação destes ambientes depende de dados indiretos. Nesse sentido, a sísmica de reflexão e seus respectivos atributos funcionam como robusta ferramenta interpretativa. Grandes reservas de petróleo offshore se encontram em rochas carbonáticas constituídas, sobretudo, por calcita e dolomita. Estes minerais, no entanto, não apresentam resposta sísmica contrastante, já que a diferença de velocidade entre tais minerais é inexpressiva. A utilização da amplitude sísmica, unicamente, não possibilita diferenciar propriedades das rochas carbonáticas, tal como ocorre com rochas siliciclásticas. Compactação e hidrotermalismo são fatores pós-deposicionais que influenciam na alteração das características de rochas carbonáticas, e apresentam difícil detecção nas seções sísmicas. Tais fatores necessitam de uma abordagem que envolva as propriedades dos múltiplos atributos sísmicos para a respectiva caracterização. A técnica Self-Organizing Maps (SOM) consiste em ferramenta de análise e visualização de dados vetoriais dentro do espaço dimensional definido pelas variáveis. Trata-se de abordagem multi-atributos em que a identificação e classificação das amostras ocorre de maneira não supervisionada. Neste trabalho são utilizados dados sísmicos dos quais foi extraída a amplitude sobre um horizonte interpretado. Foram utilizados também os atributos do traço sísmico complexo, tais como: envelope, fase instantânea e frequência instantânea, além da impedância acústica e derivada espacial. Estes atributos foram escolhidos em função das características geológicas que representam. Além disso, tais atributos têm sido utilizados em outros trabalhos de classificação de fácies sísmicas. Após uma primeira análise SOM, tendo em vista o realce dos atributos de entrada, foi aplicada a Análise por Principais Componentes (APC). Com base nos componentes obtidos, foi realizada uma segunda análise SOM, obtendo-se assim os resultados que mais corresponderam ao sistema deposicional analisado. Foram identificados também clinoformas nos dados sísmicos, que apresentam correlação com a classificação dos resultados assim como um mapa de distribuição de rochas carbonáticas foi elaborado pela interpretação das classes identificadas correlacionando-as ao poço 1-SPS-0029 associando-o ao modelo de deposição de uma plataforma carbonática. / Developing solutions for classifying sedimentation environments is still quite a challenge, particularly in carbonate sites. It\'s crucial to use indirect data to differentiate the geometry of depositional environment of oil and gas offshore reservoirs when estimating the productions under technical and economical sights. Therefore, the seismic and its attributes work like a powerful interpretative tool. A great amount of oil reservoirs can be found in carbonate rocks, whose main constitution minerals are calcite and dolomite. Those minerals, however, don\'t offer a significantly contrasting response to seismic. The seismic amplitude, by itself, isn\'t a good property estimation to be used on carbonate rocks, as it is on the siliciclastic rocks. Compactation and hydrothermalism are post-depositional influencers on the alteration of carbonate rocks features, and they present a difficult detection on seismic sections. Those factors will need multiple seismic attributes to respective characterization. Self-Organizing Maps (SOM) appear as a tool for analysis and visualization of vectorial data within the dimensional space defined by the variables. That\'s a multi-featured approach whose samples identification and classification will occur in a non-supervisioned way. The use of SOM in this paper do not intend to substitute the interpretation of the results, but aims to pop up the intrinsic relations between used attributes. It has been interpreted a horizon, from which it was possible to take the amplitude on seismic as a first attribute. There have also been used acoustic impedance, spatial derivative and complex seismic trace attributes, like reflection strength, instant phase and instant frequency. Such attributes have been chosen by reflecting geological characteristics. After a previous SOM analysis, aiming to highlight raw attributes, there was applied the Principal Components Analysis (PCA). Based on obtained components, a second SOM was performed, leading to results that best corresponded to the depositional system analyzed. Besides, there were identified clinoforms on seismic data, which keep relation with classification of the result.
|
2 |
[en] MAPPING SEISMIC EVENTS USING CLUSTERING-BASED METHODOLOGIES / [pt] MAPEAMENTO DE EVENTOS SÍSMICOS BASEADO EM ALGORITMOS DE AGRUPAMENTO DE DADOSAURELIO MORAES FIGUEIREDO 29 June 2016 (has links)
[pt] Neste trabalho apresentamos metodologias baseadas em algoritmos de
agrupamento de dados utilizadas para processamento de dados sísmicos 3D.
Nesse processamento, os voxels de entrada do volume são substituídos por
vetores de características que representam a vizinhança local do voxel dentro
do seu traço sísmico. Esses vetores são processados por algoritmos de
agrupamento de dados. O conjunto de grupos resultantes é então utilizado
para gerar uma nova representação do volume sísmico de entrada. Essa estratégia permite modelar a estrutura global do sinal sísmico ao longo de
sua vizinhança lateral, reduzindo significativamente o impacto de ruído e
demais anomalias presentes no dado original. Os dados pós-processados são
então utilizados com duas finalidades principais: o mapeamento automático
de horizontes ao longo do volume, e a produção de volumes de visualização
destinados a enfatizar possíveis descontinuidades presentes no dado sísmico
de entrada, particularmente falhas geológicas. Com relação ao mapeamento
de horizontes, o fato de as amostras de entrada dos processos de agrupamento
não conterem informação de sua localização 3D no volume permite
uma classificação não enviesada dos voxels nos grupos. Consequentemente a
metodologia apresenta desempenho robusto mesmo em casos complicados,
e o método se mostrou capaz de mapear grande parte das interfaces presentes
nos dados testados. Já os atributos de visualização são construídos
através de uma função auto-adaptável que usa a informação da vizinhança
dos grupos sendo capaz de enfatizar as regiões do dado de entrada onde existam
falhas ou outras descontinuidades. Nós aplicamos essas metodologias
a dados reais. Os resultados obtidos evidenciam a capacidade dos métodos
de mapear mesmo interfaces severamente interrompidas por falhas sísmicas,
domos de sal e outras descontinuidades, além de produzirmos atributos de
visualização que se mostraram bastante úteis no processo de identificação
de descontinuidades presentes nos dados. / [en] We present clustering-based methodologies used to process 3D seismic
data. It firstly replaces the volume voxels by corresponding feature samples
representing the local behavior in the seismic trace. After this step samples
are used as entries to clustering procedures, and the resulting cluster maps
are used to create a new representation of the original volume data. This
strategy finds the global structure of the seismic signal. It strongly reduces
the impact of noise and small disagreements found in the voxels of the
entry volume. These clustered versions of the input seismic data can then
be used in two different applications: to map 3D horizons automatically
and to produce visual attribute volumes where seismic faults and any
discontinuities present in the data are highlighted. Concerning the horizon
mapping, as the method does not use any lateral similarity measure to
organize horizon voxels into clusters, the methodology is very robust when
mapping difficult cases. It is capable of mapping a great portion of the
seismic interfaces present in the data. In the case of the visualization
attribute, it is constructed by applying an auto-adaptable function that
uses the voxel neighboring information through a specific measurement that
globally highlights the fault regions and other discontinuities present in the
original volume. We apply the methodologies to real seismic data, mapping
even seismic horizons severely interrupted by various discontinuities and
presenting visualization attributes where discontinuities are adequately
highlighted.
|
Page generated in 0.0511 seconds