Por favor, use este identificador para citar o enlazar este ítem: http://repositorio.ufc.br/handle/riufc/68597
Tipo: Artigo de Periódico
Título : Técnicas não-supervisionadas de Machine Learning aplicadas à classificação de fácies sísmicas e caracterização de elementos deposicionais em águas profundas na Bacia do Ceará.
Autor : Oliveira, Karen M. Leopoldino
Castelo Branco, Raimundo Mariano Gomes
Nepomuceno Filho, Mariano Francisco
Palabras clave : Margem Equatorial Brasileira (MEB);Hidrocarbonetos;Teoria - Machine learning
Fecha de publicación : 2021
Editorial : Boletim SBGF
Citación : 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
Resumen en portugués brasileño: 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
URI : http://www.repositorio.ufc.br/handle/riufc/68597
Aparece en las colecciones: LABOMAR - Artigos publicados em revistas científicas

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
2021_art_klmoliveira.pdf1,13 MBAdobe PDFVisualizar/Abrir


Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.