Título: | GERAÇÃO DE MALHAS DE FALHAS EM DADOS SÍSMICOS POR APRENDIZADO COMPETITIVO | |||||||
Autor: |
MARCOS DE CARVALHO MACHADO |
|||||||
Colaborador(es): |
MARCELO GATTASS - Orientador |
|||||||
Catalogação: | 10/JUL/2008 | Língua(s): | PORTUGUÊS - BRASIL |
|||||
Tipo: | TEXTO | Subtipo: | TESE | |||||
Notas: |
[pt] Todos os dados constantes dos documentos são de inteira responsabilidade de seus autores. Os dados utilizados nas descrições dos documentos estão em conformidade com os sistemas da administração da PUC-Rio. [en] All data contained in the documents are the sole responsibility of the authors. The data used in the descriptions of the documents are in conformity with the systems of the administration of PUC-Rio. |
|||||||
Referência(s): |
[pt] https://www.maxwell.vrac.puc-rio.br/projetosEspeciais/ETDs/consultas/conteudo.php?strSecao=resultado&nrSeq=11889&idi=1 [en] https://www.maxwell.vrac.puc-rio.br/projetosEspeciais/ETDs/consultas/conteudo.php?strSecao=resultado&nrSeq=11889&idi=2 |
|||||||
DOI: | https://doi.org/10.17771/PUCRio.acad.11889 | |||||||
Resumo: | ||||||||
O mapeamento manual de falhas em dados sísmicos
tridimensionais é uma tarefa que consome muito tempo do
intérprete. Uma grande quantidade de atributos sísmicos tem
sido proposta para realçar medidas de descontinuidades
associadas com as falhas. Entretanto, as falhas vistas
através desses atributos aparecem mais como tendências do
que como superfícies contínuas bem definidas, o que torna
difícil a automatização da construção de modelos de
falhas. Esta tese explora técnicas de Aprendizado
Competitivo aplicadas aos problemas de extração e
visualização de falhas em dados sísmicos. A estratégia
proposta parte de um atributo de falha previamente calculado
e consiste de três etapas. Na primeira, os dados
tridimensionais uniformemente amostrados do atributo de
falha são convertidos em um grafo com uso do algoritmo de
aprendizado competitivo Growing Neural Gas. Na segunda
etapa, o grafo sofre um processo de segmentação de forma a
extrair um conjunto de subgrafos, cada um compatível com uma
superfície de falha. Na terceira etapa, é utilizado o
algoritmo Malhas Neurais Abertas para construir uma malha
triangular para cada uma das superfícies identificadas.
Malhas Neurais Abertas é um algoritmo de Aprendizado
Competitivo que é proposto nesta tese, o qual constrói uma
malha a partir de uma função de probabilidades com topologia
de uma superfície aberta sem buracos. Exemplos com dados
bidimensionais e tridimensionais, sintéticos e
reais, são apresentados. Outra aplicação de Aprendizado
Competitivo introduzida nesta tese é a geração de malhas
geológicas, isto é, malhas que podem ser utilizadas na
simulação do comportamento de fluidos em subsuperfície.
|
||||||||