A clustering-based approach to identify petrofacies from petrographic data

• Ano de defesa: 2020
• Autor(a) principal: Fernandes, Lucas Pugens
• Orientador(a): Abel, Mara
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: eng
• Palavras-chave em Português: Petrofácies; Ontologia; Algoritmo genético
• Palavras-chave em Inglês: Reservoir petrofacies; Feature selection; Clustering
• Link de acesso: http://hdl.handle.net/10183/211314

Neste trabalho, nós avaliamos métodos para realizar a identificação automática de petrofácies a partir de um conjunto de dados de descrição de seções de rocha delgada. Computacionalmente, enfrentamos a tarefa de identificação de petrofácies como um problema de clustering; portanto, concentramos nossos esforços na aplicação de métodos de clustering para a solução do problema. Desenvolvemos um pré-processamento usando a ontologia de domínio para reduzir o espaço de atributos, melhorando significativamente o tempo de execução e a facilidade de interpretação, mantendo a precisão. Todos os dados usados durante os experimentos vêm de seis conjuntos de dados reais extraídos de várias bacias ao redor do mundo. Nossos resultados mostram que o pré-processamento de dados usando uma ontologia de domínio pode reduzir drasticamente o espaço de recursos e o tempo de execução, mantendo as informações relevantes para o usuário especialista. Desenvolvemos uma análise bem fundamentada dos algoritmos candidatos, como o K-Means clássico, para sua combinação com os algoritmos genéticos, selecionando simultaneamente atributos e agrupamento de petrofacies. Os experimentos sugerem promessas na automação da tarefa de agrupamento de petrofácies, no entanto, existem aspectos desafiadores para a aplicação de clustering e seleção de features neste domínio, apontando para a necessidade de futuras pesquisas neste campo.