Uma abordagem automática para extrair correlações geológicas a partir de descrições de poços baseadas em ontologias
dc.contributor.advisor | Abel, Mara | pt_BR |
dc.contributor.author | Garcia, Luan Fonseca | pt_BR |
dc.date.accessioned | 2014-01-22T01:54:58Z | pt_BR |
dc.date.issued | 2013 | pt_BR |
dc.identifier.uri | http://hdl.handle.net/10183/86432 | pt_BR |
dc.description.abstract | Neste trabalho, propomos uma abordagem automática para o problema da correlação litológica no domínio da Geologia do Petróleo. A correlação litológica visa reconhecer uma mesma dada porção de rocha em diferentes sequências estratigráficas, que geralmente são espacialmente distantes entre si. Tais sequências ocorrem em subsuperfícies, impossibilitando uma avaliação visual direta. Por esta razão, a correlação litológica é utilizada com base em descrições destas sequências, geradas por geólogos a partir de testemunhos, que são cilindros de rocha retirados de poços durante sua perfuração. A análise da continuidade lateral destas porções de rochas, inferida através da correlação, permite estimar a distribuição espacial e o volume de um reservatório, possibilitando a avaliação de sua economicidade. Em nossa abordagem, adaptamos algoritmos de alinhamento de sequências genéticas, do domínio da Bioinformática, para o domínio da Geologia. Esta adaptação foi realizada com base na suposição de que é possível estabelecer uma equivalência formal entre os problemas de alinhamento e de correlação litológica. Os elementos geológicos que são alinhados nesta abordagem são representados computacionalmente utilizando uma ontologia de domínio que impõe uma estrutura rica e padronizada para as descrições destes objetos, especificando conhecimento sobre litologias, estruturas e texturas de rochas sedimentares, ígneas e metamórficas. O uso de algoritmos de agrupamento de dados permite realizar abstrações para conjuntos de fácies sedimentares que são similares, viabilizando a realização de comparações de fácies de um modo semelhante às realizadas pelos algoritmos de alinhamento de sequência, quando operam sobre sequências de DNA. O método desenvolvido foi aplicado sobre dois conjuntos de dados: onze poços de exploração de carvão descritos pela CPRM da Formação Rio Bonito do Rio Grande do Sul e quatro poços de exploração da Formação Santa Luzia no Espírito Santo, pertencentes à Petrobras. Os resultados mostraram limitações para identificar correlações válidas em termos geológicos. As descrições da CPRM mostraram-se incompletas para caracterizar as unidades em análise. Os poços de Santa Luzia mostraram detalhamento adequado, porém possuem lacunas de testemunhagem justamente na maior parte dos intervalos a serem correlacionados. Essas falhas e as condições geológicas particulares da Formação Santa Luzia dificultaram a obtenção de resultados que permitissem avaliar o algoritmo. Além disso, a partir dos testes foi possível constatar que o fato de não serem considerados pesos de importância distintos para os atributos durante a aplicação de técnicas de agrupamento constitui uma das limitações que versões futuras da abordagem devem superar. Estas limitações serão reavaliadas com novos dados coletados. | pt_BR |
dc.format.mimetype | application/pdf | |
dc.language.iso | por | pt_BR |
dc.rights | Open Access | en |
dc.subject | Geoinformática | pt_BR |
dc.subject | Inteligência artificial | pt_BR |
dc.title | Uma abordagem automática para extrair correlações geológicas a partir de descrições de poços baseadas em ontologias | pt_BR |
dc.type | Trabalho de conclusão de graduação | pt_BR |
dc.contributor.advisor-co | Carbonera, Joel Luis | pt_BR |
dc.identifier.nrb | 000910040 | pt_BR |
dc.degree.grantor | Universidade Federal do Rio Grande do Sul | pt_BR |
dc.degree.department | Instituto de Informática | pt_BR |
dc.degree.local | Porto Alegre, BR-RS | pt_BR |
dc.degree.date | 2013 | pt_BR |
dc.degree.graduation | Ciência da Computação: Ênfase em Ciência da Computação: Bacharelado | pt_BR |
dc.degree.level | graduação | pt_BR |
Este item está licenciado na Creative Commons License
-
TCC Ciência da Computação (1025)