Detalhes bibliográficos
| Ano de defesa: |
2023 |
| Autor(a) principal: |
Ramos, Mario Martins |
| Orientador(a): |
Não Informado pela instituição |
| Banca de defesa: |
Não Informado pela instituição |
| Tipo de documento: |
Tese
|
| Tipo de acesso: |
Acesso aberto |
| Idioma: |
por |
| Instituição de defesa: |
Não Informado pela instituição
|
| Programa de Pós-Graduação: |
Não Informado pela instituição
|
| Departamento: |
Não Informado pela instituição
|
| País: |
Não Informado pela instituição
|
| Palavras-chave em Português: |
|
| Link de acesso: |
http://app.uff.br/riuff/handle/1/27913
|
Resumo: |
Este 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 |
