[pt] Neste trabalho apresentamos metodologias baseadas em algoritmos de
agrupamento de dados utilizadas para processamento de dados sísmicos 3D.
Nesse processamento, os voxels de entrada do volume são substituídos por
vetores de características que representam a vizinhança local do voxel dentro
do seu traço sísmico. Esses vetores são processados por algoritmos de
agrupamento de dados. O conjunto de grupos resultantes é então utilizado
para gerar uma nova representação do volume sísmico de entrada. Essa estratégia permite modelar a estrutura global do sinal sísmico ao longo de
sua vizinhança lateral, reduzindo significativamente o impacto de ruído e
demais anomalias presentes no dado original. Os dados pós-processados são
então utilizados com duas finalidades principais: o mapeamento automático
de horizontes ao longo do volume, e a produção de volumes de visualização
destinados a enfatizar possíveis descontinuidades presentes no dado sísmico
de entrada, particularmente falhas geológicas. Com relação ao mapeamento
de horizontes, o fato de as amostras de entrada dos processos de agrupamento
não conterem informação de sua localização 3D no volume permite
uma classificação não enviesada dos voxels nos grupos. Consequentemente a
metodologia apresenta desempenho robusto mesmo em casos complicados,
e o método se mostrou capaz de mapear grande parte das interfaces presentes
nos dados testados. Já os atributos de visualização são construídos
através de uma função auto-adaptável que usa a informação da vizinhança
dos grupos sendo capaz de enfatizar as regiões do dado de entrada onde existam
falhas ou outras descontinuidades. Nós aplicamos essas metodologias
a dados reais. Os resultados obtidos evidenciam a capacidade dos métodos
de mapear mesmo interfaces severamente interrompidas por falhas sísmicas,
domos de sal e outras descontinuidades, além de produzirmos atributos de
visualização que se mostraram bastante úteis no processo de identificação
de descontinuidades presentes nos dados. / [en] We present clustering-based methodologies used to process 3D seismic
data. It firstly replaces the volume voxels by corresponding feature samples
representing the local behavior in the seismic trace. After this step samples
are used as entries to clustering procedures, and the resulting cluster maps
are used to create a new representation of the original volume data. This
strategy finds the global structure of the seismic signal. It strongly reduces
the impact of noise and small disagreements found in the voxels of the
entry volume. These clustered versions of the input seismic data can then
be used in two different applications: to map 3D horizons automatically
and to produce visual attribute volumes where seismic faults and any
discontinuities present in the data are highlighted. Concerning the horizon
mapping, as the method does not use any lateral similarity measure to
organize horizon voxels into clusters, the methodology is very robust when
mapping difficult cases. It is capable of mapping a great portion of the
seismic interfaces present in the data. In the case of the visualization
attribute, it is constructed by applying an auto-adaptable function that
uses the voxel neighboring information through a specific measurement that
globally highlights the fault regions and other discontinuities present in the
original volume. We apply the methodologies to real seismic data, mapping
even seismic horizons severely interrupted by various discontinuities and
presenting visualization attributes where discontinuities are adequately
highlighted.
| Identifer | oai:union.ndltd.org:puc-rio.br/oai:MAXWELL.puc-rio.br:26709 |
| Date | 29 June 2016 |
| Creators | AURELIO MORAES FIGUEIREDO |
| Contributors | MARCELO GATTASS |
| Publisher | MAXWELL |
| Source Sets | PUC Rio |
| Language | Portuguese |
| Detected Language | Portuguese |
| Type | TEXTO |
Page generated in 0.0024 seconds