Made available in DSpace on 2014-12-17T14:09:15Z (GMT). No. of bitstreams: 1
EduardoHSA_TESE3red.pdf: 5316067 bytes, checksum: 9b841153bb325e14b32dc463a70e5a45 (MD5)
Previous issue date: 2013-01-25 / This Thesis presents the elaboration of a methodological propose for the development of an intelligent system, able to automatically achieve the effective porosity, in sedimentary layers, from a data bank built with information from the Ground Penetrating Radar GPR. The intelligent system was built to model the relation between the porosity (response variable) and the electromagnetic attribute from the GPR (explicative variables). Using it, the porosity was estimated using the artificial neural network (Multilayer Perceptron MLP) and the multiple linear regression. The data from the response variable and from the explicative variables were achieved in laboratory and in GPR surveys outlined in controlled sites, on site and in laboratory. The proposed intelligent system has the capacity of estimating the porosity from any available data bank, which has the same variables used in this Thesis. The architecture of the neural network used can be modified according to the existing necessity, adapting to the available data bank. The use of the multiple linear regression model allowed the identification and quantification of the influence (level of effect) from each explicative variable in the estimation of the porosity. The proposed methodology can revolutionize the use of the GPR, not only for the imaging of the sedimentary geometry and faces, but mainly for the automatically achievement of the porosity one of the most important parameters for the characterization of reservoir rocks (from petroleum or water) / Esta tese apresenta a elabora??o de uma proposta metodol?gica para o desenvolvimento de um sistema inteligente, capaz de obter automaticamente a porosidade efetiva, em camadas sedimentares, a partir de um banco de dados constru?do com informa??es do Radar de Penetra??o no Solo (Ground Penetrating Radar GPR). O sistema inteligente foi constru?do para modelar a rela??o entre a porosidade (vari?vel resposta) e os atributos eletromagn?ticos do GPR (vari?veis explicativas). Com ele foi estimada a porosidade utilizando modelo de rede neural artificial (Multilayer Perceptron - MLP) e regress?o linear m?ltipla. Os dados da vari?vel resposta e das vari?veis explicativas foram obtidos em laborat?rio e em levantamentos GPR delineados em s?tios controlados em campo e laborat?rio. O sistema inteligente proposto possui a capacidade de estimar a porosidade a partir de qualquer banco de dados dispon?vel, que envolvam as mesmas vari?veis utilizadas nesta tese. A arquitetura da rede neural utilizada pode ser modificada de acordo com a necessidade existente, adequando-se aos bancos de dados dispon?veis. A utiliza??o do Modelo de Regress?o Linear M?ltipla permitiu que fosse identificada e quantificada a influ?ncia (grau de efeito) de cada vari?vel explicativa na estimativa da porosidade. A metodologia proposta pode revolucionar o uso do GPR por permitir, n?o apenas o imageamento das geometrias e f?cies sedimentares, mas principalmente a obten??o autom?tica da porosidade um dos par?metros mais importantes na caracteriza??o de rochas reservat?rios (petrol?feros ou aqu?feros)
| Identifer | oai:union.ndltd.org:IBICT/oai:repositorio.ufrn.br:123456789/13023 |
| Date | 25 January 2013 |
| Creators | Ara?jo, Eduardo Henrique Silveira de |
| Contributors | CPF:13893700382, http://lattes.cnpq.br/9888320802954176, D?ria Neto, Adri?o Duarte, CPF:10749896434, http://lattes.cnpq.br/1987295209521433, Martins, Ronaldo de Andrade, CPF:05644097404, http://lattes.cnpq.br/0978273656336966, Florencio, Cl?udio Pires, CPF:08783152415, http://lattes.cnpq.br/0006270502154615, S?badia, Jos? Ant?nio Beltr?o, CPF:24214876334, http://lattes.cnpq.br/0280662216554148, Lima Filho, Francisco Pinheiro |
| Publisher | Universidade Federal do Rio Grande do Norte, Programa de P?s-Gradua??o em Ci?ncia e Engenharia do Petr?leo, UFRN, BR, Pesquisa e Desenvolvimento em Ci?ncia e Engenharia de Petr?leo |
| Source Sets | IBICT Brazilian ETDs |
| Language | Portuguese |
| Detected Language | English |
| Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/doctoralThesis |
| Format | application/pdf |
| Source | reponame:Repositório Institucional da UFRN, instname:Universidade Federal do Rio Grande do Norte, instacron:UFRN |
| Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.0018 seconds