Aplicação de redes neuronais artificiais ao tratamento e interpretação de perfis geofísicos de poço aberto

A análise dos perfis petrofísicos de poço aberto possui um papel de fundamental importância para os estudos geológicos e geofísicos, no que se refere a obtenção de um maior conhecimento da subsuperfície, bem como para a identificação e exploração de depósitos minerais e petrolíferos. Alguns tópicos importantes da interpretação geológica dos perfis como a determinação de interfaces, a identificação mineralógica e a correlação poço-a-poço são extremamente tediosos e dispendem na sua execução uma grande carga horária. A automação destes procedimentos é em princípio bastante complicada, mas necessária, pois permitirá um melhor aproveitamento do tempo de trabalho do geólogo de produção e do intérprete de perfis. As redes neuronais artificiais apresentam uma boa performance para a solução destes tipos de problema, inclusive nos casos nos quais os algoritmos sequenciais apresentam dificuldades. Mostrar-se-á nesta tese que as redes neuronais artificiais podem ser utilizadas eficientemente para a automação desses procedimentos da interpretação geológica dos perfis. Apresentamos detalhadamente as novas arquiteturas e as aplicações sobre dados sintéticos e perfis reais.

ABSTRACT: The analysis of openhole wireline logs is of great importance for the subsurface mapping of geological layers and the identification and quantification of hydrocarbon and mineral deposits. An importants aspects are the determination of geological boundaries, the mineralogical identification and the well-to-well correlation, which can be a tedious and time-consuming task for the geologist. Automating this procedure is complicated but potentially rewarding because it may save the production geologist and log analyst substantial amounts of time. Artificial neural networks have been shown to handle this task efficiently including in cases where sequential algorithms have problems. We show in this thesis that neural networks can be used to determine layer boundaries, the mineralogical identification and the well-to-well correlation, on well logs, and we present the new networks archtectures. These procedures are tested on synthetic as well as actual field data.