Técnicas não-supervisionadas de Machine Learning aplicadas à classificação de fácies sísmicas e caracterização de elementos deposicionais em águas profundas na Bacia do Ceará.

Oliveira, Karen M. Leopoldino; Castelo Branco, Raimundo Mariano Gomes; Nepomuceno Filho, Mariano  Francisco

Use este identificador para citar ou linkar para este item: http://repositorio.ufc.br/handle/riufc/68597

Registro completo de metadados

Campo DC	Valor	Idioma
dc.contributor.author	Oliveira, Karen M. Leopoldino	-
dc.contributor.author	Castelo Branco, Raimundo Mariano Gomes	-
dc.contributor.author	Nepomuceno Filho, Mariano Francisco	-
dc.date.accessioned	2022-09-29T13:05:48Z	-
dc.date.available	2022-09-29T13:05:48Z	-
dc.date.issued	2021	-
dc.identifier.citation	OLIVEIRA, Karen M. Leopoldino; CASTELO BRANCO, Mariano; NEPOMUCENO FILHO, Francisco . Técnicas não-supervisionadas de Machine Learning aplicadas à classificação de fácies sísmicas e caracterização de elementos deposicionais em águas profundas na Bacia do Ceará. Boletim SBGF, Rio de Janeiro, v. 119, p. 30-33, 2021	pt_BR
dc.identifier.uri	http://www.repositorio.ufc.br/handle/riufc/68597	-
dc.language.iso	pt_BR	pt_BR
dc.publisher	Boletim SBGF	pt_BR
dc.subject	Margem Equatorial Brasileira (MEB)	pt_BR
dc.subject	Hidrocarbonetos	pt_BR
dc.subject	Teoria - Machine learning	pt_BR
dc.title	Técnicas não-supervisionadas de Machine Learning aplicadas à classificação de fácies sísmicas e caracterização de elementos deposicionais em águas profundas na Bacia do Ceará.	pt_BR
dc.type	Artigo de Periódico	pt_BR
dc.description.abstract-ptbr	Nos últimos anos, a Margem Equatorial Brasileira (MEB) tem chamado atenção devido às novas descobertas de hidrocarbonetos, tanto na margem conjugada africana quanto na Guiana Francesa, Suriname e Guiana. Entretanto,as regiões de águas profundas das bacias da MEB ainda são pouco exploradas. Nesse trabalho foi realizada interpretação de dado sísmico 3D e de poços exploratórios utilizando técnicas não-supervisionadas de machine learning para melhor entender as estruturas geológicas e identificar possíveis locais de acúmulo de hidrocarbonetos em águas profundas da Bacia do Ceará. Os resultados da abordagem de machine learning, incluindo Self-Organizing Maps (SOMs) e Independent Component Analysis (ICA), foram capazes de produzir imagens de alta resolução e mapear a geometria 3D da geomorfologia sísmica em diferentes níveis estratigráficos, do intervalo Albiano ao Turoniano. Uma melhor compreensão da geomorfologia sísmica e das análises de fácies sísmicas forneceram informações relevantes sobre uma bacia pouco explorada, oferecendo o melhor potencial para armadilhas estratigráficas em águas profundas	pt_BR
Aparece nas coleções:	LABOMAR - Artigos publicados em revistas científicas

Arquivos associados a este item:

Arquivo	Descrição	Tamanho	Formato
2021_art_klmoliveira.pdf		1,13 MB	Adobe PDF	Visualizar/Abrir

Mostrar registro simples do item Visualizar estatísticas