Please use this identifier to cite or link to this item: http://riu.ufam.edu.br/handle/prefix/5903
metadata.dc.type: Trabalho de Conclusão de Curso
Title: Elaboração de algoritmo para aplicação de aprendizado de máquina a fim de reconhecer armadilhas geológicas do tipo Domo Salino em seções sísmicas
metadata.dc.creator: Amaral, Robertom Guedes do
metadata.dc.contributor.advisor1: Simas, Joemes de Lima
metadata.dc.contributor.referee1: Almeida, Ana Carolina Monte
metadata.dc.contributor.referee2: Almeida, Lucas Evangelista de
metadata.dc.description.resumo: A Indústria 4.0 oferece avanços tecnológicos que permitem a criação de ferramentas e técnicas computacionais poderosas nas mais diversas áreas, dentre elas encontram-se a inteligência artificial e o Machine Learning. A utilização dessas ferramentas permite a criação de algoritmos que “ensinam” um computador a aperfeiçoar suas “habilidades” dentro de um determinado campo de estudo. Dentre os métodos geofísicos, destaca-se, na Indústria Petrolífera, o método sísmico de reflexão, que utiliza propagação de ondas em subsuperfície para aquisição de dados. A quantidade de dados obtidos é extremamente numerosa recebendo o nome de Big Data. O processamento desses dados pode demorar meses, o que acaba se tornando humanamente massivo pois, além do tempo de processamento há ainda a interpretação destes dados. A metodologia deste trabalho baseia-se na utilização da linguagem de programação Python para a aplicação de Machine Learning visando, especificamente a implementação de algoritmo capaz de processar dados de seções sísmicas em busca de armadilhas geológicas do tipo domo salino. O treinamento se deu através do módulo SVC da biblioteca Scikit-Learn, que se mostrou bastante eficiente dentro da proposta. A utilização de Machine Learning é bem promissora na área de Geofísica aplicada à Engenharia de Petróleo e Gás no que se diz respeito a identificação de domos salinos em seções sísmicas, podendo ser estendida em outras utilizações.
Abstract: The 4.0 Industry advances permits the creation of powerful technologies and computational tools capable of working in the most diverse areas of science, among these tools are artificial intelligence and Machine Learning. Through programming and creation of algorithms is possible to use the Machine Learning, which is a technique that the previously developed algorithms “teach” a computer to improve its “abilities” in a given field of study for the most diverse purposes, constantly and autonomously improving its own behavior and performance similarly to humans. Among the geophysical methods, stands out, in petroleum industry, the seismic reflection method, this method utilizes the propagation of waves in subsurface for data acquisition related to local geology. The amount data acquired is extremely numerous and to this quantity of data the name Big Data is given. After all the process of acquisition, it is necessary to accomplish the processing of these data and this phase can take weeks or even months, sometimes. This process is humanly massive, even with the support of some software. After the acquisition phase, there is a stage of data interpretation. The methodology is based in the use of programming language Python in application of Machine Learning, specifically aims at the elaboration and creation of algorithm capable of processing data from seismic in search of geological traps of type saline dome. The training took place through the SVC module of the Scikit-Learn library, which proved to be quite efficient within the proposal. The use of Machine Learning is very promising in the field of Geophysics applied to Oil and Gas Engineering with regard to the identification of saline domes in seismic sections, which can be extended to other uses.
Keywords: Machine Learning
Big Data
Processamento de dados sísmicos
Armadilhas geológicas
Domos salinos
metadata.dc.subject.cnpq: CIÊNCIAS EXATAS E DA TERRA
metadata.dc.language: por
metadata.dc.publisher.country: Brasil
metadata.dc.publisher.department: Departamento de Engenharia de Petróleo e Gás
metadata.dc.publisher.course: Engenharia de Petróleo e Gás - Bacharelado - Manaus
metadata.dc.rights: Acesso Aberto
URI: http://riu.ufam.edu.br/handle/prefix/5903
metadata.dc.subject.controlado: Saline dome
Método sísmico de reflexão
Método geofísico
Scikit-Learn
Appears in Collections:Trabalho de Conclusão de Curso - Graduação

Files in This Item:
File Description SizeFormat 
TCC_RobertomAmaral.pdfEngenharia de Petróleo e Gás - Bacharelado - Manaus2,88 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.