[pt] A indústria de óleo e gás utiliza a sísmica para investigar a distribuição
de tipos de rocha (facies) em subsuperfície. Por outro lado, apesar de seu
corriqueiro uso em geociências, medidas sísmicas costumam ser ruidosas, e
a inversão do dado sísmico para a distribuição de facies é um problema mal
posto. Por esta razão, diversos autores estudam esta inversão sob o ponto
de vista probabilístico, para ao menos estimar as incertezas da solução do
problema inverso. O objetivo da presente dissertação é desenvolver método
quantitativo para estimar a probabilidade de reservatório com hidrocarboneto,
dado um traço sísmico de reflexão, integrando modelagem sísmica
direta, e conhecimento geológico a priori. Utiliza-se, um dos métodos mais
recentes para resolver o problema inverso: Modelo de Markov Oculto com
Efeito Convolucional (mais especificamente, a Aproximação por Projeção
de (1)). É demonstrado que o método pode ser reformulado em termos do
Modelo de Markov Oculto (MMO) ordinário. A teoria de sísmica de AVA
é apresentada, e usada conjuntamente com MMO com Efeito Convolucional
para resolver a inversão de sísmica para facies. A técnica de inversão
é avaliada usando-se medidas difundidas em Aprendizado de Máquina, em
um conjunto de experimentos variados e realistas. Apresenta-se uma técnica
para medir a capacidade do algoritmo em estimar valores confiáveis
de probabilidade. Pelos testes realizados a aproximação por projeção apresenta
distorções de probabilidade inferiores a 5 por cento, tornando-a uma técnica
útil para a indústria de óleo e gás. / [en] Oil and Gas Industry uses seismic data in order to unravel the distribution
of rock types (facies) in the subsurface. But, despite its widespread use,
seismic data is noisy and the inversion from seismic data to the underlying
rock distribution is an ill-posed problem. For this reason, many authors
have studied the topic in a probabilistic formulation, in order to provide
uncertainty estimations about the solution of the inversion problem. The
objective of the present thesis is to develop a quantitative method to estimate
the probability of hydrocarbon bearing reservoir, given a seismic
reflection profile, and, to integrate geological prior knowledge with geophysical
forward modelling. One of the newest methods for facies inversion is
used: Convolved Hidden Markov Model (more specifically the Projection
Approximation from (1)). It is demonstrated how Convolved HMM can be
reformulated as an ordinary Hidden Markov Model problem (which models
geological prior knowledge). Seismic AVA theory is introduced, and used
with Convolved HMM theory to solve the seismic to facies problem. The
performance of the inversion technique is measured with common machine
learning scores, in a broad set of realistic experiments. The technique capability
of estimating reliable probabilities is quantified, and it is shown
to present distortions smaller than 5 percent. As a conclusion, the studied Projection
Approximation is applicable for risk management in Oil and Gas
applications, which integrates geological and geophysical knowledge.
| Identifer | oai:union.ndltd.org:puc-rio.br/oai:MAXWELL.puc-rio.br:36004 |
| Date | 07 January 2019 |
| Creators | ERICK COSTA E SILVA TALARICO |
| Contributors | SINESIO PESCO |
| Publisher | MAXWELL |
| Source Sets | PUC Rio |
| Language | English |
| Detected Language | English |
| Type | TEXTO |
Page generated in 0.0024 seconds