DFA e análise de agrupamento aplicadas a perfis de porosidade neutrônico em poços de petróleo

Peng was the first to work with the Technical DFA (Detrended Fluctuation Analysis), a tool capable of detecting auto-long-range correlation in time series with non-stationary. In this study, the technique of DFA is used to obtain the Hurst exponent (H) profile of the electric neutron porosity of the 52 oil wells in Namorado Field, located in the Campos Basin -Brazil. The purpose is to know if the Hurst exponent can be used to characterize spatial distribution of wells. Thus, we verify that the wells that have close values of H are spatially close together. In this work we used the method of hierarchical clustering and non-hierarchical clustering method (the k-mean method). Then compare the two methods to see which of the two provides the best result. From this, was the parameter � (index neighborhood) which checks whether a data set generated by the k- average method, or at random, so in fact spatial patterns. High values of � indicate that the data are aggregated, while low values of � indicate that the data are scattered (no spatial correlation). Using the Monte Carlo method showed that combined data show a random distribution of � below the empirical value. So the empirical evidence of H obtained from 52 wells are grouped geographically. By passing the data of standard curves with the results obtained by the k-mean, confirming that it is effective to correlate well in spatial distribution

Peng foi o primeiro a trabalhar com a Técnica DFA (Detrended Fluctuation Analysis), uma ferramenta capaz de detectar auto-correlação de longo alcance em séries temporais com não-estacionaridade. Nesse trabalho, a técnica de DFA é utilizada para obter o expoente de Hurst (H) do perfil elétrico de Porosidade Neutrônica dos 52 poços petrolíferos Campo de Namorado, situado na Bacia de Campos – RJ. A finalidade é saber se o expoente de Hurst pode ou não ser usado para se caracterizar uma distribuição espacial dos poços. Assim, queremos verificar se os poços que apresentam valores próximos de H estão espacialmente próximos entre si. Neste trabalho foi utilizado o método de agrupamento hierárquico e o método de agrupamento não hierárquico (método do k-média). Em seguida comparamos os dois métodos para ver qual dos dois fornece o melhor resultado. A partir disso, foi criado o parâmetro (índice de vizinhança) o qual verifica se um conjunto de dados gerados pelo método kmédia, ou de forma aleatória, forma de fato padrões espaciais. Altos valores de indicam que os dados estão agregados, enquanto que baixos valores de indicam que os dados estão espalhados (sem correlação espacial). Com auxílio do método de Monte Carlo observou-se que dados agrupados aleatoriamente apresentam uma distribuição de inferior ao valor empírico. Portanto os dados empíricos de H obtidos dos 52 poços estão agrupados espacialmente. Ao cruzar os dados das curvas de nível com os resultados obtidos pelo k-média, confirmam que este é eficaz para correlacionar poços em distribuição espacial