Submitted by Mariana Dornelles Vargas (marianadv) on 2015-04-27T12:20:51Z
No. of bitstreams: 1
redes_neurais.pdf: 847349 bytes, checksum: fb1a76a712ea4ee0f08c3e3f3e243fa7 (MD5) / Made available in DSpace on 2015-04-27T12:20:51Z (GMT). No. of bitstreams: 1
redes_neurais.pdf: 847349 bytes, checksum: fb1a76a712ea4ee0f08c3e3f3e243fa7 (MD5)
Previous issue date: 2009 / PROSUP - Programa de Suporte à Pós-Gradução de Instituições de Ensino Particulares / As técnicas de perfilagem geofísica e de testemunhagem, utilizadas na identificação de litologias, representam alto custo financeiro e envolvem uma quantidade considerável de tempo por parte de um especialista. Nesse sentido, este trabalho propõe a modelagem e aplicação de um método alternativo de classificação litológica, através de Redes Neurais Artificiais (RNAs), para auxiliar no processo de interpretação de dados geofísicos. A área de estudo da aplicação é a Jazida do Leão, localizada em sua grande parte nos municípios de Rio Pardo, Minas do Leão e Butiá (RS). O conjunto de treinamento e de validação da RNA contém informações de oito furos de sonda provenientes das Formações Palermo e Rio Bonito. As variáveis de entrada incluem dados de profundidade e informações geofísicas de perfis raios gama, potencial espontâneo, resistência e resistividade. Para todos os experimentos, as litologias a serem classificadas foram: arenito, siltito e carvão. O modelo de rede neural utilizado foi o de múltiplas camadas (MLP) alimentadas adiante (feedforward). As redes foram treinadas com o algoritmo de retropropagação de Levenberg- Marquardt e Resilient Backpropagation. Obteve-se uma taxa de acertos de aproximadamente 80% na classificação. / The techniques of geophysical logging and core descriptions, used on lithology identification, represent a high financial cost and involve a considerable amount of time from a specialist. On that direction, the main objective of this research is to propose an alternative method of lithological classification, through Artificial Neural Networks (ANNs), to assist the process of geophysical data interpretation. The study area is located in Leão coal field, where a major part of its territory is inside the municipalities of Rio Pardo, Minas do Leão and Butiá (RS). The set of ANN training and validation contain information of eight boreholes coming from Palermo and Rio Bonito formations. The input variables include depth data and geophysical information of gamma-ray profiles, spontaneous potential, resistance and resistivity. For all experiments, the lithologies to be classified were: sandstone, silt and coal. The neural network model utilized was feedforward multilayer perceptron (MPL). Networks were trained by Levenberg-Marquardt and Resilient backpropagation algorithms. A success rate of approximately 80% was obtained on classification.
| Identifer | oai:union.ndltd.org:IBICT/oai:www.repositorio.jesuita.org.br:UNISINOS/3366 |
| Date | 27 March 2009 |
| Creators | Schmitt, Paula |
| Contributors | http://lattes.cnpq.br/0157177135951013, Todt, Viviane, Veronez, Mauricio Roberto |
| Publisher | Universidade do Vale do Rio dos Sinos, Programa de Pós-Graduação em Geologia, Unisinos, Brasil, Escola Politécnica |
| Source Sets | IBICT Brazilian ETDs |
| Language | Portuguese |
| Detected Language | Portuguese |
| Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis |
| Source | reponame:Repositório Institucional da UNISINOS, instname:Universidade do Vale do Rio dos Sinos, instacron:UNISINOS |
| Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.002 seconds