[pt] A classificação de litologias e uma tarefa importante na caracterização
de reservatorios de petróleo. Um de seus principais objetivos e dar suporte ao
planejamento e as atividades de perfuracao de poços. Dessa forma, quanto mais
rapidos e eficazes sejam os algoritmos de classificacao, mais confiavel ser a
as decisoes tomadas pelos geologos e geofısicos. Esta dissertação analisa os
metodos ensemble aplicados a classificacao automática de litologias. Para isso,
foi realizada uma comparação entre classificadores individuais (Support Vector
Machine e Multilayer Perceptron) e estes mesmos classificadores com métodos
Ensemble (Bagging e Adaboost). Assim, concluımos com uma avaliação
comparativa entre as técnicas, bem como apresentamos o trade-off em utilizar
métodos Ensemble em substituição aos classificadores individuais. / [en] Lithology classification is an important task in oil reservoir
characterization, one of its major purposes is to support well planning and
drilling activities. Therefore, faster and more effective classification algorithms
will increase the speed and reliability of decisions made by geologists and
geophysicists. This work analises ensemble methods applied to automatic
lithology classification. For this, we performed a comparison between single
classifiers (Support Vector Machine and Multilayer Perceptron) and these
classifiers with ensemble methods (Bagging and Boost). Thus, we conclude
with a comparative evaluation of techniques and present the trade-off in using
Ensemble methods to replace single classifiers.
| Identifer | oai:union.ndltd.org:puc-rio.br/oai:MAXWELL.puc-rio.br:21205 |
| Date | 22 February 2013 |
| Creators | VANESSA RODRIGUES COELHO LEITE |
| Contributors | MARCELO GATTASS |
| Publisher | MAXWELL |
| Source Sets | PUC Rio |
| Language | Portuguese |
| Detected Language | English |
| Type | TEXTO |
Page generated in 0.002 seconds