Submitted by Cleide Dantas (cleidedantas@ufpa.br) on 2014-05-21T15:39:26Z
No. of bitstreams: 2
license_rdf: 23898 bytes, checksum: e363e809996cf46ada20da1accfcd9c7 (MD5)
Tese_ImageamentoPorosidadePerfis.pdf: 1768673 bytes, checksum: ba48f09908920b586e020f6650adeb26 (MD5) / Rejected by Irvana Coutinho (irvana@ufpa.br), reason: Indexar os assuntos on 2014-08-07T16:15:33Z (GMT) / Submitted by Cleide Dantas (cleidedantas@ufpa.br) on 2014-08-12T15:24:10Z
No. of bitstreams: 2
license_rdf: 23898 bytes, checksum: e363e809996cf46ada20da1accfcd9c7 (MD5)
Tese_ImageamentoPorosidadePerfis.pdf: 1768673 bytes, checksum: ba48f09908920b586e020f6650adeb26 (MD5) / Approved for entry into archive by Ana Rosa Silva (arosa@ufpa.br) on 2014-09-18T12:47:37Z (GMT) No. of bitstreams: 2
license_rdf: 23898 bytes, checksum: e363e809996cf46ada20da1accfcd9c7 (MD5)
Tese_ImageamentoPorosidadePerfis.pdf: 1768673 bytes, checksum: ba48f09908920b586e020f6650adeb26 (MD5) / Made available in DSpace on 2014-09-18T12:47:37Z (GMT). No. of bitstreams: 2
license_rdf: 23898 bytes, checksum: e363e809996cf46ada20da1accfcd9c7 (MD5)
Tese_ImageamentoPorosidadePerfis.pdf: 1768673 bytes, checksum: ba48f09908920b586e020f6650adeb26 (MD5)
Previous issue date: 2004 / CNPq - Conselho Nacional de Desenvolvimento Científico e Tecnológico / O imageamento da porosidade é uma representação gráfica da distribuição lateral da
porosidade da rocha, estimada a partir de dados de perfis geofísicos de poço. Apresenta-se aqui
uma metodologia para produzir esta imagem geológica, totalmente independente da intervenção
do intérprete, através de um algoritmo, dito, interpretativo baseado em dois tipos de redes neurais
artificiais. A primeira parte do algoritmo baseia-se em uma rede neural com camada competitiva
e é construído para realizar uma interpretação automática do clássico gráfico o Pb - ΦN, produzindo
um zoneamento do perfil e a estimativa da porosidade. A segunda parte baseia-se em uma rede
neural com função de base radial, projetado para realizar uma integração espacial dos dados, a
qual pode ser dividida em duas etapas. A primeira etapa refere-se à correlação de perfis de poço e
a segunda à produção de uma estimativa da distribuição lateral da porosidade. Esta metodologia ajudará o intérprete na definição do modelo geológico do reservatório e,
talvez o mais importante, o ajudará a desenvolver de um modo mais eficiente as estratégias para o
desenvolvimento dos campos de óleo e gás. Os resultados ou as imagens da porosidade são
bastante similares às seções geológicas convencionais, especialmente em um ambiente
deposicional simples dominado por clásticos, onde um mapa de cores, escalonado em unidades
de porosidade aparente para as argilas e efetiva para os arenitos, mostra a variação da porosidade
e a disposição geométrica das camadas geológicas ao longo da seção. Esta metodologia é aplicada em dados reais da Formação Lagunillas, na Bacia do Lago
Maracaibo, Venezuela. / Porosity images are graphical representations of the lateral distribution of rock porosity
estimated from well log data. We present a methodology to produce this geological image
entirely independent of interpreter intervention, with an interpretative algorithm approach, which
is based on two types of artificial neural networks. The first is based on neural competitive layer
and is constructed to perform an automatic interpretation of the classical Pb - ΦN cross-plot,
which produces the log zonation and porosity estimation. The second is a feed-forward neural
network with radial basis function designed to perform a spatial data integration, which can be
divided in two steps. The first refers to well log correlation and the second produces the
estimation of lateral porosity distribution. This methodology should aid the interpreter in defining the reservoir geological model,
and, perhaps more importantly, it should help him to efficiently develop strategies for oil or gas
field development. The results or porosity images are very similar to conventional geological
cross-sections, especially in a depositional setting dominated by clastics, where a color map
scaled in porosity units illustrates the porosity distribution and the geometric disposition of
geological layers along the section. The methodology is applied over actual well log data from the Lagunillas Formation, in
the Lake Maracaibo basin, located in western Venezuela.
Identifer | oai:union.ndltd.org:IBICT/oai:repositorio.ufpa.br:2011/5763 |
Date | 27 January 2004 |
Creators | MIRANDA, Anna Ilcéa Fischetti |
Contributors | ANDRADE, André José Neves |
Publisher | Universidade Federal do Pará, Programa de Pós-Graduação em Geofísica, UFPA, Brasil, Instituto de Geociências |
Source Sets | IBICT Brazilian ETDs |
Language | Portuguese |
Detected Language | Portuguese |
Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/doctoralThesis |
Source | reponame:Repositório Institucional da UFPA, instname:Universidade Federal do Pará, instacron:UFPA |
Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.0126 seconds