[pt] No presente trabalho de tese é apresentado, analisado e avaliado um método inédito para prever perfis de poço (para um pseudo-poço), a partir de informações dos poços verticais vizinhos e dados de sísmica 3D. Este método é formado por quatro partes principais. Na primeira parte são processados os perfis de raio gama dos poços para produzir um conjunto de sinais estratificados. Estes resultados são utilizados na segunda parte para realizar a correlação lateral de poços, com um método baseado em Algoritmos Genéticos, cujos resultados são intervalos de estratos semelhantes que indicariam a existência de estruturas rochosas contínuas na subsuperfície. Na terceira parte são estimados os deslocamentos, em profundidade, entre alguns estratos do pseudo-poço e dos poços reais. Isto é realizado com um método, baseado em Algoritmos Genéticos, para correlacionar eventos entre traços sísmicos 3D nas posições próximas aos poços reais e ao pseudo-poço. Na quarta parte são utilizados os resultados das outras três partes para interpolar vários tipos de perfis do pseudo-poço, primeiramente, dos estratos semelhantes e, em seguida, dos estratos não semelhantes, ajustados em profundidade. Os resultados desta parte constituem as medições previstas. Os pesos para a interpolação, pelo método de Shepard, são calculados através de uma função que depende da distância entre o pseudo-poço e cada um dos poços utilizados. Um estudo de sete casos é apresentado para avaliar a eficácia do método de previsão. Esses casos utilizam arranjos de dois e três poços do Campo de Namorado na Bacia de Campos (RJ) e, adicionalmente, um poço próximo a cada arranjo serve de padrão para avaliar as medições previstas através do coeficiente de correlação e da média dos erros percentuais absolutos. Em termos globais os resultados das previsões apresentam correlação linear forte e os erros percentuais absolutos estão entre 5 por cento e 30 por centoem relação aos padrões. / [en] In this thesis is presented, analyzed and evaluated a new method to forecast well logs (for a pseudo-well), based on information of the neighboring vertical wells and the 3D seismic data. This method consists of four main parts. In the first part, the gamma ray logs from wellbores are processed to produce a stratified set of signals. In the second part, the stratified signals are used to perform a method of lateral correlation of wells with Genetic Algorithms; whose results are similar intervals strata that would indicate the existence of continuous rock structures in the subsurface. In the third part, a method, based on Genetic Algorithms, are used to estimate displacements in depth between some strata of the pseudo-well and real wells. That method correlates events between 3D seismic traces at positions near the real wells and the pseudo-well. In the fourth part, results from the other three parts are used to interpolate several types of logs of the pseudo-well, first of the similar strata and then of the not similar strata, adjusted in depth. The results of this part are the forecasted measurements. The weights for interpolation, by the method of Shepard, are calculated using a function that depends on the distance between the pseudo-well and each real well. A study of seven cases is presented to evaluate the effectiveness of the forecasting method. These cases use arrangements of two and three wells of the Namorado Field in the Campos Basin (RJ) and additionally a real well near each array serves as a standard for evaluating the forecasted measurements by the correlation coefficient and the mean absolute percentage error. Overall the results showed a strong linear correlation and the mean absolute percentage errors are between 5 per cent and 30 per cent in relation of standard data.
| Identifer | oai:union.ndltd.org:puc-rio.br/oai:MAXWELL.puc-rio.br:22840 |
| Date | 11 April 2014 |
| Creators | SAMUEL GUSTAVO HUAMAN BUSTAMANTE |
| Contributors | MARCO AURELIO CAVALCANTI PACHECO, MARCO AURELIO CAVALCANTI PACHECO |
| Publisher | MAXWELL |
| Source Sets | PUC Rio |
| Language | Portuguese |
| Detected Language | Portuguese |
| Type | TEXTO |
Page generated in 0.0022 seconds