Análise de agrupamentos dos dados de DFA oriundos de perfis elétricos de indução de poços de petróleo

The main objective of this study is to apply recently developed methods of physical-statistic to time series analysis, particularly in electrical induction s profiles of oil wells data, to study the petrophysical similarity of those wells in a spatial distribution. For this, we used the DFA method in order to know if we can or not use this technique to characterize spatially the fields. After obtain the DFA values for all wells, we applied clustering analysis. To do these tests we used the non-hierarchical method called K-means. Usually based on the Euclidean distance, the K-means consists in dividing the elements of a data matrix N in k groups, so that the similarities among elements belonging to different groups are the smallest possible. In order to test if a dataset generated by the K-means method or randomly generated datasets form spatial patterns, we created the parameter Ω (index of neighborhood). High values of Ω reveals more aggregated data and low values of Ω show scattered data or data without spatial correlation. Thus we concluded that data from the DFA of 54 wells are grouped and can be used to characterize spatial fields. Applying contour level technique we confirm the results obtained by the K-means, confirming that DFA is effective to perform spatial analysis

O principal objetivo do presente trabalho foi aplicar métodos recentemente desenvolvidos em física-estatística às séries temporais, em especial a dados de perfis elétricos de indução de 54 poços de petróleo localizados no Campo de Namorado Bacia de Campos - RJ, para estudar a similaridade petrofísica dos poços numa distribuição espacial. Para isto, utilizamos o método do DFA com o intuito de saber se podemos, ou não, utilizar esta técnica para caracterizar espacialmente o campo. Depois de obtidos os valores de DFA para todos os poços, fizemos uma análise de agrupamento com relação a estas características; para tanto, utilizamos o método de agrupamento não-hierárquico chamado método K-média. Geralmente baseado na distância euclidiana, o K-média consiste em dividir os elementos de uma matriz n de dados em k grupos bem definidos, de maneira que as semelhanças existentes entre elementos pertencentes a grupos distintos sejam as menores possíveis. Com o objetivo de verificar se um conjunto de dados gerados pelo método do K-média ou gerado aleatoriamente forma padrões espaciais, criamos o parâmetro Ω (índice de vizinhança). Altos valores de Ω implicam em dados mais agregados e baixos valores de Ω em dados dispersos ou sem correlação espacial. Com auxílio do método de Monte Carlo observamos que dados agrupados aleatoriamente apresentam uma distribuição de Ω inferior ao valor empírico. Desta forma concluímos que os dados de DFA obtidos nos 54 poços estão agrupados e podem ser usados na caracterização espacial de campos. Ao cruzar os dados das curvas de nível com os resultados obtidos pelo K-média, confirmamos a eficiência do mesmo para correlacionar poços em distribuição espacial