Estimativa dos perfis de permeabilidade e de porosidade utilizando rede neural artificial

A permeabilidade e a porosidade são duas das mais importantes propriedades petrofísicas para a qualificação dos reservatórios de óleo e gás. A porosidade está relacionada à capacidade de armazenamento de fluidos e a permeabilidade, com a capacidade de produção destes fluidos. Suas medidas são, normalmente, realizadas em laboratório, através de testemunhos da rocha. Esses processos têm custos elevados e nem todos os poços são testemunhados. As estimativas da permeabilidade e da porosidade são de fundamental importância para os engenheiros de reservatório e geofísicos, uma vez que seus valores podem definir a completação ou não de um poço petrolífero. O perfil de porosidade e sua relação com o perfil de densidade, é bem conhecida na geofísica de poço. No entanto, existem poucas relações quantitativas e/ou qualitativas entre a porosidade e a permeabilidade, como por exemplo as relações de Kozeny. Sendo assim, este trabalho busca o estabelecimento do perfil de permeabilidade e do perfil de porosidade, a partir de informações do perfil de densidade. Para tanto, buscamos a relação entre a propriedade física da rocha (densidade) e as propriedades petrofísicas: permeabilidade e porosidade, utilizando como metodologia à técnica de redes neurais artificiais, como a rede neural artificial com função de base radial. A obtenção da permeabilidade e da porosidade a partir da rede neural artificial, que possui como entrada a informação da densidade possibilita um menor custo para a aquisição dessas importantes informações petrofísicas, permite ao intérprete de perfis de poço optar ou não pela exploração de uma unidade estudada, além de uma visão mais completa do reservatório. Os procedimentos para a estimativa da permeabilidade e da porosidade estão direcionados para uma única formação, mas os intérpretes de perfis poderão aplicar a diretriz apresentada no programa de rede neural artificial com função de base radial, utilizando a estimativa dessas propriedades petrofísicas para outras formações, inclusive de outros campos petrolíferos. Portanto, recomenda-se a utilização de um conjunto de dados completo, com quantidade de dados suficientes de um mesmo poço, a fim de viabilizar corretamente a melhor interpretação.

A visão através dos contrastes

O primeiro estágio de processamento da informação do estímulo visual consiste na contagem de fótons pelas células fotorreceptoras. Nos estágios pós-receptorais a informação de intensidade absoluta do estímulo é transformada em comparações de informações provindas de áreas adjacentes da retina e momentos sucessivos. Essa métrica implementada pelo sistema visual para quantificar o estímulo é chamada de contraste - contraste espacial ou simultâneo e contraste temporal ou sucessivo. A presença de contraste é essencial para a geração de percepção visual consciente no domínio do espaço e do tempo e em três dimensões ortogonais de cores - branca e preta; azul e amarela; verde e vermelha. Uma curva em forma de sinodelimita os limiares de detecção de contraste em função da frequência especial ou temporal do estímulo. Ela é chamada função de sensibilidade ao contraste e é afetada por uma série de fatores ópticos e neurais. Neurônios de diferentes classes contribuem para regiões diferentes da função de sensibilidade ao contraste e suas atividades representam as ações de vias de processamento visual que se estendem da retina ao córtex visual. Investigações básicas e clínicas têm dado suporte à importância do estudo da sensibilidade ao contraste espacial de luminância (branco e preta) como uma ferramenta indicadora da função visual em sujeitos normais e afetados por disfunções neuro-oftalmológicas.

Identificação automática das primeiras quebras em traços sísmicos por meio de uma rede neural direta

Apesar do avanço tecnológico ocorrido na prospecção sísmica, com a rotina dos levantamentos 2D e 3D, e o significativo aumento na quantidade de dados, a identificação dos tempos de chegada da onda sísmica direta (primeira quebra), que se propaga diretamente do ponto de tiro até a posição dos arranjos de geofones, permanece ainda dependente da avaliação visual do intérprete sísmico. O objetivo desta dissertação, insere-se no processamento sísmico com o intuito de buscar um método eficiente, tal que possibilite a simulação computacional do comportamento visual do intérprete sísmico, através da automação dos processos de tomada de decisão envolvidos na identificação das primeiras quebras em um traço sísmico. Visando, em última análise, preservar o conhecimento intuitivo do intérprete para os casos complexos, nos quais o seu conhecimento será, efetivamente, melhor aproveitado. Recentes descobertas na tecnologia neurocomputacional produziram técnicas que possibilitam a simulação dos aspectos qualitativos envolvidos nos processos visuais de identificação ou interpretação sísmica, com qualidade e aceitabilidade dos resultados. As redes neurais artificiais são uma implementação da tecnologia neurocomputacional e foram, inicialmente, desenvolvidas por neurobiologistas como modelos computacionais do sistema nervoso humano. Elas diferem das técnicas computacionais convencionais pela sua habilidade em adaptar-se ou aprender através de uma repetitiva exposição a exemplos, pela sua tolerância à falta de alguns dos componentes dos dados e pela sua robustez no tratamento com dados contaminados por ruído. O método aqui apresentado baseia-se na aplicação da técnica das redes neurais artificiais para a identificação das primeiras quebras nos traços sísmicos, a partir do estabelecimento de uma conveniente arquitetura para a rede neural artificial do tipo direta, treinada com o algoritmo da retro-propagação do erro. A rede neural artificial é entendida aqui como uma simulação computacional do processo intuitivo de tomada de decisão realizado pelo intérprete sísmico para a identificação das primeiras quebras nos traços sísmicos. A aplicabilidade, eficiência e limitações desta abordagem serão avaliadas em dados sintéticos obtidos a partir da teoria do raio.

Identificação de fácies em perfis de poço com algoritmo inteligente

A identificação de fácies em um poço não testemunhado é um dos problemas clássicos da avaliação de formação. Neste trabalho este problema é tratado em dois passos, no primeiro produz-se a codificação da informação geológica ou da descrição das fácies atravessadas em um poço testemunhado em termos das suas propriedades físicas registradas nos perfis geofísicos e traduzidas pelos parâmetros L e K, que são obtidos a partir dos perfis de porosidade (densidade, sônico e porosidade neutrônica) e pela argilosidade (Vsh) calculada pelo perfil de raio gama natural. Estes três parâmetros são convenientemente representados na forma do Gráfico Vsh-L-K. No segundo passo é realizada a interpretação computacional do Gráfico Vsh-L-K por um algoritmo inteligente construído com base na rede neural competitiva angular generalizada, que é especializada na classificação de padrões angulares ou agrupamento de pontos no espaço n-dimensional que possuem uma envoltória aproximadamente elipsoidal. Os parâmetros operacionais do algoritmo inteligente, como a arquitetura da rede neural e pesos sinápticos são obtidos em um Gráfico Vsh-L-K, construído e interpretado com as informações de um poço testemunhado. Assim, a aplicação deste algoritmo inteligente é capaz de identificar e classificar as camadas presentes em um poço não testemunhado, em termos das fácies identificadas no poço testemunhado ou em termos do mineral principal, quando ausentes no poço testemunhado. Esta metodologia é apresentada com dados sintéticos e com perfis de poços testemunhados do Campo de Namorado, na Bacia de Campos, localizada na plataforma continental do Rio de Janeiro, Brasil.

Interpretação do gráfico de Hingle através de rede competitiva angular

A saturação de água é a principal propriedade petrofísica para a avaliação de reservatórios de hidrocarbonetos, pois através da análise dos seus valores é definida a destinação final do poço recém perfurado, como produtor ou poço seco. O cálculo da saturação de água para as formações limpas é, comumente, realizado a partir da equação de Archie, que envolve a determinação da resistividade da zona virgem, obtida a partir de um perfil de resistividade profunda e o cálculo de porosidade da rocha, obtida a partir dos perfis de porosidade. A equação de Archie envolve ainda, a determinação da resistividade da água de formação, que normalmente necessita de definição local e correção para a profundidade da formação e da adoção de valores convenientes para os coeficientes de Archie. Um dos métodos mais tradicionais da geofísica de poço para o cálculo da saturação de água é o método de Hingle, particularmente útil nas situações de desconhecimento da resistividade da água de formação. O método de Hingle estabelece uma forma linear para a equação de Archie, a partir dos perfis de resistividade e porosidade e a representa na forma gráfica, como a reta da água ou dos pontos, no gráfico de Hingle, com saturação de água unitária e o valor da resistividade da água de formação é obtido a partir da inclinação da reta da água. Independente do desenvolvimento tecnológico das ferramentas de perfilagem e dos computadores digitais, o geofísico, ainda hoje, se vê obrigado a realizar a interpretação de ábacos ou gráficos, sujeito a ocorrência de erros derivados da sua acuidade visual. Com o objetivo de mitigar a ocorrência deste tipo de erro e produzir uma primeira aproximação para a saturação de água em tempo real de perfilagem do poço, insere-se o trabalho apresentado nesta dissertação, com a utilização de uma conveniente arquitetura de rede neural artificial, a rede competitiva angular, capaz de identificar a localização da reta da água, a partir da identificação de padrões angulares presentes nos dados dos perfis de porosidade e resistividade representados no gráfico de Hingle. A avaliação desta metodologia é realizada sobre dados sintéticos, que satisfazem integralmente a equação de Archie, e sobre dados reais.

Aspectos morfológicos comparativos entre neurônios da camada I do córtex visual de duas espécies de roedores: Cavia porcellus e Rattus norvegicus

A camada I tem como característica principal a baixa quantidade de neurônios e uma alta densidade de fibras nervosas. A morfologia dos neurônios da camada I ainda é pouco estudada, tanto que nos estudos que avaliaram a morfologia desses neurônios não se chegou ainda a um consenso sobre as formas e funções desses neurônios. Este estudo avaliou a morfologia dos neurônios da camada I do córtex visual de duas espécies de roedores: Cavia porcellus, popularmente conhecido no Brasil como porquinho-da-índia e Rattus norvegicus, que é o rato e foi utilizada a linhagem Wistar, comumente usado nas pesquisas científicas. O porquinho-da-índia é um modelo animal muito estudado, utilizado em diversos segmentos da ciência. Apesar dessa espécie ser bem estudada, trabalhos na camada I desse animal são relativamente raros, especialmente em relação à morfologia e eletrofisiologia dos neurônios dessa região cortical. Pesquisas em ratos sobre os neurônios da camada I são mais frequentes, tanto em relação a morfologia quanto a eletrofisiologia. Para discriminar as possibilidades de diferenças na morfologia dos neurônios da camada I do córtex visual do porquinho-da-índia e do rato, este estudo classificou esses neurônios de acordo com a trajetória de seus dendritos e analisou as medidas dendríticas utilizando a técnica de injeção intracelular de biocitina. Após a classificação dos neurônios as comparações foram feitas entre os mesmos tipos celulares de cada roedor. Foram utilizados 35 porquinhos-da-índia da variedade Dunkin-Hartley de pêlo curto de ambos os sexos com idades de 4 a 5 dias de vida pós-natal. Quanto aos ratos, foram utilizados 30 ratos da variedade Wistar, de ambos os sexos com idades de 14 a 21 dias de vida pós-natal. Os animais foram anestesiados e tiveram seus encéfalos removidos, hemisférios separados e foram realizados cortes no plano coronal na região occipital onde se localiza a área visual dos roedores. As fatias foram mantidas em líquido cérebro-espinhal artificial e em seguida levadas ao microscópio para injeção de biocitina e posteriormente foram fixadas e tratadas para montagem em lâmina e contracoradas com Nissl para melhor visualização. Os neurônios encontrados foram classificados como: horizontais, ascendentes, descendentes e radias. Foram analisadas as seguintes medidas dendríticas: área do campo receptor, comprimento dendrítico total e médio, área total do corpo celular, número de dendritos, distância da pia-máter e análise da distribuição de Sholl. Dos resultados obtidos os mais notáveis foram o alcance dos ramos dendríticos e o tamanho do corpo celular dos neurônios da camada I do porquinho-da-índia quando comparados aos do rato. Isso sugere que, nessa espécie, um maior número de microcircuitos neurais podem ser estabelecidos, e por conseguinte maior taxa metabólica, justificada pelo maior tamanho do corpo celular.

Previsão multi-passos a frente do preço de energia elétrica de curto prazo no mercado brasileiro

A predição do preço da energia elétrica é uma questão importante para todos os participantes do mercado, para que decidam as estratégias mais adequadas e estabeleçam os contratos bilaterais que maximizem seus lucros e minimizem os seus riscos. O preço da energia tipicamente exibe sazonalidade, alta volatilidade e picos. Além disso, o preço da energia é influenciado por muitos fatores, tais como: demanda de energia, clima e preço de combustíveis. Este trabalho propõe uma nova abordagem híbrida para a predição de preços de energia no mercado de curto prazo. Tal abordagem combina os filtros autorregressivos integrados de médias móveis (ARIMA) e modelos de Redes Neurais (RNA) numa estrutura em cascata e utiliza variáveis explanatórias. Um processo em dois passos é aplicado. Na primeira etapa, as variáveis explanatórias são preditas. Na segunda etapa, os preços de energia são preditos usando os valores futuros das variáveis exploratórias. O modelo proposto considera uma predição de 12 passos (semanas) a frente e é aplicada ao mercado brasileiro, que possui características únicas de comportamento e adota o despacho centralizado baseado em custo. Os resultados mostram uma boa capacidade de predição de picos de preço e uma exatidão satisfatória de acordo com as medidas de erro e testes de perda de cauda quando comparado com técnicas tradicionais. Em caráter complementar, é proposto um modelo classificador composto de árvores de decisão e RNA, com objetivo de explicitar as regras de formação de preços e, em conjunto com o modelo preditor, atuar como uma ferramenta atrativa para mitigar os riscos da comercialização de energia.