Estratégias metodológicas associadas ao método naïve Bayes no problema da classificação de eletrofácies a partir de perfis geofísicos de poços: aplicação no campo de Massapê, Bacia do Recôncavo, Bahia - Brasil

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorSantos, Rodrigo Bijani-
Autor(es): dc.contributorPonte-Neto, Cosme Ferreira-
Autor(es): dc.contributorMane, Miguel Angelo-
Autor(es): dc.contributorNeto, Arthur Ayres-
Autor(es): dc.contributorLupinacci, Wagner Moreira-
Autor(es): dc.contributorSolon, Flora Ferreira-
Autor(es): dc.creatorRamos, Mario Martins-
Data de aceite: dc.date.accessioned2024-07-11T18:22:51Z-
Data de disponibilização: dc.date.available2024-07-11T18:22:51Z-
Data de envio: dc.date.issued2023-02-15-
Data de envio: dc.date.issued2023-02-15-
Fonte completa do material: dc.identifierhttp://app.uff.br/riuff/handle/1/27913-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/capes/769386-
Descrição: dc.descriptionEste trabalho apresenta o potencial sistemático do método naïve Bayes, através da utilização de cinco estratégias de aprimoramento na classificação litológica a partir de dados de poços do Campo de Massapê, Bacia do Recôncavo. Existe uma quantidade considerável de trabalhos sobre os métodos de Aprendizado de Máquina, incluindo nas geociências, com grande enfoque na análise comparativa, mas com limitada discussão sobre a associação entre a metodologia e os dados. Usualmente, todos os método de aprendizado possuem um propósito metodológico atrelado à sua gênese, isto é, estes se propõem a resolver um problema específico, e é nesta especificidade que atingem a sua excelência. Portanto, o método naïve Bayes (NB) foi aplicado juntamente com quatro estratégias que visavam aprimorar o método. A primeira estratégia, denominada de KDE, em referência a Kernel Density Estimation tende a promover um melhor ajuste quanto à amostragem; a segunda utiliza uma técnica de aprimoramento denominada tuning, e foi denominada como TUN; a terceira está relacionada à uma modificação na estrutura, ou arquitetura de execução do NB padrão, e foi denominada de ARC; por fim, a última estratégia considera zonas estratigráficas em profundidade, e foi denominada de CRC. Foram utilizados os dados de 14 poços do Campo de Massapê (Bacia do Recôncavo), e os perfis GR, log(ILD) e DT, em turbiditos do Valanginiano (Eo-Cretáceo), considerado como principal reservatório da região. Também foram utilizadas as litologias categorizadas através da curva DRDN, que é referente a um método alternativo para a identificação de rochas siliciclásticas. Foram feitas duas análises separadas que foram: As validações com dados reais e uma classificação de rochas em um único poço sem perfil litológico. Os resultados da validação indicaram que todas as estratégias promovem um ganho incipiente em relação ao NB, comprovando a reconhecida estabilidade (e robustez) deste classificador Bayesiano. Já a classificação demonstrou grande variedade de resultados das estratégias KDE e ARC em relação às demais-
Descrição: dc.descriptionCoordenação de Aperfeiçoamento de Pessoal de Nível Superior.-
Descrição: dc.descriptionThis work presents the systematic potential of the naïve Bayes method, through the use of four improvement strategies in lithological classification based on well data from Massapê Field, Recôncavo Basin. There is a considerable amount of work on Machine Learning methods, including in the geosciences, with a strong focus on comparative analysis, and limited discussion on the association between methodology and data. Usually, all learning methods have a methodological purpose linked to their genesis, in other words, they propose to solve a specific problem, and it is in this specificity that they reach their excellence. Therefore, the naïve Bayes (NB) method was applied together with four strategies that aimed to improve the method. The first strategy, called KDE, in reference to Kernel Density Estimation tends to promote a better fit in terms of sampling; the second uses an improvement technique called tuning, and was called TUN; the third is related to a modification in the structure, or execution architecture of the standard NB, and was called ARC; finally, the last strategy considers stratigraphic zones in depth, and was called CRC. Data from 14 wells in the Massapê Field (Recôncavo Basin) and the GR, log(ILD) and DT profiles were used in Valanginian (Eo-Cretaceous) turbidites, considered the main reservoir in the region. Lithologies categorized through the DRDN curve were also used, which refers to an alternative method for the identification of siliciclastic rocks. Two separate analyzes were performed which were: Validations with real data and a rock classification in a single well without lithological profile. The validation results indicated that all strategies promote an incipient gain in relation to NB, proving the recognized stability (and robustness) of this Bayesian classifier. The classification showed a great variety of results of the KDE and ARC strategies in relation to the others.-
Descrição: dc.description104-
Formato: dc.formatapplication/pdf-
Idioma: dc.languagept_BR-
Direitos: dc.rightsOpen Access-
Direitos: dc.rightsCC-BY-SA-
Palavras-chave: dc.subjectNaive Bayes-
Palavras-chave: dc.subjectTuning-
Palavras-chave: dc.subjectCommittee-
Palavras-chave: dc.subjectBacia do Recôncavo-
Palavras-chave: dc.subjectFormação Maracangalha-
Palavras-chave: dc.subjectMembro Caruaçu-
Palavras-chave: dc.subjectPerfilagem Geofísica-
Palavras-chave: dc.subjectAlgoritmo-
Palavras-chave: dc.subjectMétodo naive Bayes-
Palavras-chave: dc.subjectBacia do Recôncavo-
Palavras-chave: dc.subjectEletrofácies-
Palavras-chave: dc.subjectNaive Bayes-
Palavras-chave: dc.subjectTuning-
Palavras-chave: dc.subjectCommittee-
Palavras-chave: dc.subjectRecôncavo Basin-
Palavras-chave: dc.subjectWell logging-
Palavras-chave: dc.subjectMaracangalha Formation-
Palavras-chave: dc.subjectCaruaçu Member-
Título: dc.titleEstratégias metodológicas associadas ao método naïve Bayes no problema da classificação de eletrofácies a partir de perfis geofísicos de poços: aplicação no campo de Massapê, Bacia do Recôncavo, Bahia - Brasil-
Tipo de arquivo: dc.typeTese-
Aparece nas coleções:Repositório Institucional da Universidade Federal Fluminense - RiUFF

Não existem arquivos associados a este item.