Título
[pt] MAPEAMENTO AUTOMÁTICO DE HORIZONTES E FALHAS EM DADOS SÍSMICOS 3D BASEADO NO ALGORITMO DE GÁS NEURAL EVOLUTIVO
Título
[en] MAPPING HORIZONS AND SEISMIC FAULTS FROM 3D SEISMIC DATA USING THE GROWING NEURAL GAS ALGORITHM
Autor
[pt] AURELIO MORAES FIGUEIREDO
Vocabulário
[pt] COMPUTACAO GRAFICA
Vocabulário
[pt] VOLUMES SISMICOS
Vocabulário
[pt] HORIZONTES SISMICOS
Vocabulário
[pt] GAS NEURAL EVOLUTIVO
Vocabulário
[en] COMPUTER GRAPHICS
Vocabulário
[en] SEISMIC VOLUMES
Vocabulário
[en] SEISMIC HORIZONS
Vocabulário
[en] GROWING NEURAL GAS
Resumo
[pt] Neste trabalho apresentamos um algoritmo baseado em
agrupamento de
dados para o mapeamento automático de horizontes e de
falhas sísmicas a partir
de dados sísmicos 3D. Apresentamos uma técnica para
quantizar o volume
sísmico de entrada a partir dos neurônios do grafo
resultante do processo de
treinamento de uma instância do algoritmo Growing Neural
Gas (GNG). No
conjunto de amostras de entrada utilizadas pelo GNG, cada
amostra representa
um voxel do volume de entrada, e retém informações da
vizinhança vertical
desse voxel. Depois da etapa de treinamento, a partir do
grafo gerado pelo GNG
um novo volume quantizado é gerado, e nesse volume
possíveis ambigüidades e
imperfeições existentes no volume de entrada tendem a ser
minimizadas. A partir
do volume quantizado descrevemos uma nova técnica de
extração de horizontes,
desenvolvida com o objetivo de que seja possível mapear
horizontes na presença
de estruturas geológicas complexas, como por exemplo
horizontes que possuam
porções completamente desconectadas por uma ou mesmo
diversas falhas
sísmicas. Também iniciamos o desenvolvimento de uma
abordagem de
mapeamento de falhas sísmicas utilizando informações
presentes no volume
quantizado. Os resultados obtidos pelo processo de
mapeamento de horizontes,
testado em volumes diferentes, foram bastante promissores.
Além disso, os
resultados iniciais obtidos pelo processo de extração de
falhas sugerem que a
técnica pode vir a ser uma boa alternativa para a tarefa.
Resumo
[en] In this work we present a clusterization-based method to
map seismic
horizons and faults from 3D seismic data. We describe a
method used to quantize
an initial seismic volume using a trained instance of the
Growing Neural Gas
(GNG) algorithm. To accomplish this task we create a
training set where each
sample corresponds to an entry volume voxel, retaining its
vertical neighboring
information. After the training procedure, the resulting
graph is used to create a
quantized version of the original volume. In this quantized
volume both horizons
and faults are more evidenced in the data, and we present a
method that uses the
created volume to map seismic horizons, even when they are
completely
disconnected by seismic faults. We also present another
method that uses the
quantized version of the volume to map the seismic faults.
The horizon mapping
procedure, tested in different volume date, yields good
results. The preliminary
results presented for the fault mapping procedure also
yield good results, but
needs further testing.
Orientador(es)
MARCELO GATTASS
Banca
MARCELO GATTASS
Banca
RUY LUIZ MILIDIU
Banca
FLAVIO SZENBERG
Banca
PAULO MARCOS DE CARVALHO
Catalogação
2008-02-21
Apresentação
2007-06-29
Tipo
[pt] TEXTO
Formato
application/pdf
Formato
application/pdf
Formato
application/pdf
Formato
application/pdf
Formato
application/pdf
Formato
application/pdf
Formato
application/pdf
Formato
application/pdf
Idioma(s)
PORTUGUÊS
Referência [pt]
https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=11341@1
Referência [en]
https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=11341@2
Referência DOI
https://doi.org/10.17771/PUCRio.acad.11341
Arquivos do conteúdo
CAPA, AGRADECIMENTOS, RESUMO, ABSTRACT, SUMÁRIO E LISTAS PDF CAPÍTULO 1 PDF CAPÍTULO 2 PDF CAPÍTULO 3 PDF CAPÍTULO 4 PDF CAPÍTULO 5 PDF CAPÍTULO 6 PDF BIBLIOGRAFIA PDF