Dados da Submissão

Título

CLASSIFICAÇÃO DE IMAGE FACIES A PARTIR DE PERFIS DE IMAGEM ACÚSTICA ANALISADOS POR APRENDIZADO PROFUNDO

Texto do resumo

A determinação de facies a partir do perfil de imagem acústica com alta resolução, calibrado com dados de rocha e perfis tomográficos, leva em conta a variação das texturas, estruturas sedimentares e heterogeneidades das rochas observadas. A partir do conhecimento geológico da área e a experiência do intérprete, é possível gerar a associação visual entre a litofácies e a image facies, identificando padrões típicos. Devido ao alto custo da extração de testemunhos, a análise dos perfis de imagem para a interpretação faciológica tem se tornado cada vez mais comum. Esta análise, no entanto, pode demandar semanas a meses, a depender da disponibilidade da interpretação da rocha, do processamento da imagem e qualidade do perfil para que seja feita a correlação dos dados. O uso de inteligência artificial em soluções geológicas tem crescido, proporcionando ferramentas que auxiliam e antecipam decisões. Modelos de aprendizado profundo que extraem padrões em imagem fornecem importantes meios para correlacionar rochas e perfis, identificando variações texturais, mega-giga poros e artefatos. Este trabalho visa classificar as image facies de forma automatizada a partir de aprendizado profundo e avaliar a sua aplicabilidade para a indústria de óleo e gás. Os dados para o desenvolvimento da pesquisa são provenientes de seis poços perfurados no Pré-Sal da Bacia de Santos. Dado o complexo e heterogêneo registro geológico das rochas carbonáticas, foi necessário um pré-processamento específico das imagens acústicas para capturar essa diversidade espacial. Modelos de redes neurais convolucionais (CNN) com diferentes graus de complexidade foram testados a fim de determinar o modelo ideal para solução do problema proposto. A análise das métricas de desempenho, como acurácia e perda total de treinamento, permitiu elencar e escolher o modelo que performou melhor em relação aos outros. O modelo escolhido foi o VGG19 com transferência de aprendizagem, o qual alcançou acurácia de 63% para uma classificação detalhada e 77% para uma classificação mais abrangente. A análise dos maiores erros da acurácia permitiu identificar possíveis interferências interpretativas e suas origens, as quais incluem o viés da interpretação, a presença de artefatos, o tamanho dos patches utilizados e o balanceamento dos conjuntos de dados de treinamento e de validação. Os modelos gerados evidenciaram a viabilidade da caracterização digital de image facies a partir de aprendizado profundo. Torna-se imprescindível ampla atenção ao pré-processamento dos dados, uma vez que essa etapa é crucial para a qualidade dos resultados.

Palavras Chave

image facies; perfil de imagem; Inteligência Artificial; aprendizado profundo; rede neural convolucional