
Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
| Metadados | Descrição | Idioma |
|---|---|---|
| Autor(es): dc.contributor | Universidade Estadual de Campinas (UNICAMP) | - |
| Autor(es): dc.contributor | Universidade Estadual Paulista (UNESP) | - |
| Autor(es): dc.creator | Kuroda, M. C. | - |
| Autor(es): dc.creator | Vidal, A. C. | - |
| Autor(es): dc.creator | Papa, J. P. [UNESP] | - |
| Data de aceite: dc.date.accessioned | 2022-08-04T22:06:22Z | - |
| Data de disponibilização: dc.date.available | 2022-08-04T22:06:22Z | - |
| Data de envio: dc.date.issued | 2022-04-28 | - |
| Data de envio: dc.date.issued | 2022-04-28 | - |
| Data de envio: dc.date.issued | 2016-08-11 | - |
| Fonte completa do material: dc.identifier | http://dx.doi.org/10.1016/B978-0-12-804536-7.00013-2 | - |
| Fonte completa do material: dc.identifier | http://hdl.handle.net/11449/220832 | - |
| Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/11449/220832 | - |
| Descrição: dc.description | The main target of oil and gas exploration companies is to identify reservoirs and their location with high accuracy. For this purpose, all efforts are applied to reduce uncertainties and risks of water contamination or drilling of dry wells in order to extract as much as possible from the subsurface in the shortest time and at the lowest cost. This chapter shows an alternative for the combination of machine learning techniques, evolutionary computation, and geological interpretations to decrease uncertainties in identifying the location of favorable reservoirs. For this purpose, seismic and well log data from a sand Brazilian field were analyzed. The identification of sandy facies as conducers was made by means of self-organizing maps and extrapolated into signals of seismic data by probabilistic neural networks, converting the image of original amplitude into rock properties. The genetic algorithm was also tested to evaluate different seismic attributes among a group of 37 possibilities to perform the facies prediction task. The image description by multiattributes allowed the definition of the facies distribution modeling. The same process was applied to predict the probability of porosity distribution in seismic data by multilayer perceptron and generalized regression, once again using the genetic algorithm. Through these properties, models from two favorable areas of reservoir were identified in the southwest part of the field. Core description corroborates with the results found by the suggested methodology, indicating its satisfactory application. | - |
| Descrição: dc.description | University of Campinas (UNICAMP) Institute of Geosciences | - |
| Descrição: dc.description | Department of Computing São Paulo State University | - |
| Descrição: dc.description | Department of Computing São Paulo State University | - |
| Formato: dc.format | 285-310 | - |
| Idioma: dc.language | en | - |
| Relação: dc.relation | Bio-Inspired Computation and Applications in Image Processing | - |
| ???dc.source???: dc.source | Scopus | - |
| Palavras-chave: dc.subject | Bio-inspired computation | - |
| Palavras-chave: dc.subject | Evolutionary computation | - |
| Palavras-chave: dc.subject | Machine learning | - |
| Palavras-chave: dc.subject | Rock properties prediction | - |
| Palavras-chave: dc.subject | Seismic image processing | - |
| Título: dc.title | Oil reservoir quality assisted by machine learning and evolutionary computation | - |
| Aparece nas coleções: | Repositório Institucional - Unesp | |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: