Interpretação sísmica de falhas assistida por aprendizado de máquina no intervalo pré-sal no Campo de Gato do Mato (Bacia de Santos)
| dc.contributor.advisor | Almeida, Leonardo Fonseca Borghi de | |
| dc.contributor.advisorCo1 | Lowsby , Michael George | |
| dc.contributor.advisorCo1Lattes | http://lattes.cnpq.br/8558975105817458 | pt_BR |
| dc.contributor.advisorLattes | http://lattes.cnpq.br/5821487047888554 | pt_BR |
| dc.contributor.referee1 | Tognoli , Francisco Manoel Wohnrath | |
| dc.contributor.referee1Lattes | http://lattes.cnpq.br/5634161518689104 | pt_BR |
| dc.contributor.referee2 | Perico, Edimar | |
| dc.contributor.referee2Lattes | http://lattes.cnpq.br/8609198268895269 | pt_BR |
| dc.creator | Cardoso, Davi de Souza | |
| dc.creator.Lattes | http://lattes.cnpq.br/4200089450199195 | pt_BR |
| dc.date.accessioned | 2025-08-13T16:58:06Z | |
| dc.date.available | 2026-05-16T03:00:32Z | |
| dc.date.issued | 2025 | |
| dc.description.resumo | O fluxo de interpretação de falhas é indispensável na geração de modelos estruturais, que são utilizados na definição de um modelo geológico. Entretanto, esta é uma tarefa predominantemente manual, de longa duração e altamente dependente da qualidade de dados sísmicos. No cenário atual de evolução tecnológica, as aplicações de Inteligência Artificial vêm despontando como ferramentas de grande impacto no fluxo de trabalho de interpretação sísmica, com o objetivo de reduzir o tempo e, de alguma maneira, melhorar a qualidade do modelo geológico. Assim, o objetivo deste trabalho é avaliar e comparar o uso de duas ferramentas de machine learning da aplicação Petrel para realizar o fluxo de interpretação assistida por máquina. Uma delas, baseada em um pré-treinamento mais generalizado realizado pela desenvolvedora do software, e outra baseada em interpretações manuais preliminares realizadas pelo intérprete. O estudo foi realizado no dado sísmico 3D do campo de Gato do Mato, da Bacia de Santos, a fim de mapear um conjunto de falhas para a definição do modelo estrutural no intervalo pré-sal da área a partir das duas metodologias. Foram realizadas três rodadas de aprendizado de máquina para a interpretação das falhas, uma na metodologia pré-treinada e duas na metodologia treinada pelo usuário. Nas rodadas treinadas pelo usuário, foram utilizadas como rótulos 7 xlines na primeira rodada e, na segunda rodada, houve o acréscimo de 4 inlines. Os resultados da metodologia pré-treinada não foram satisfatórios, pois apresentavam incoerências geológicas, como a detecção de falhas horizontais ou com geometrias irreais. Já os resultados da metodologia treinada pelo usuário foram consistentes, já que apresentaram coerência geológica, boa cobertura do cubo sísmico e permitiram interpretar menos seções sísmicas para se obter um cubo com todas as seções interpretadas. Além disso, observou-se a detecção de falhas não identificadas pelo intérprete em áreas de baixa amplitude e a melhoria na geometria das falhas. Somado a isso, as comparações permitiram concluir que o uso de rótulos em ambas as direções (xlines e inlines) contribui para interpretações mais eficazes. Neste sentido, a inteligência artificial foi eficaz no cumprimento da interpretação, configurando-se como uma metodologia com potencial para aprimorar os fluxos de interpretação sísmica. Ressalta-se também o papel crucial dos geocientistas no treinamento da máquina e na validação dos resultados obtidos. | pt_BR |
| dc.embargo.terms | aberto | pt_BR |
| dc.identifier.uri | http://hdl.handle.net/11422/26650 | |
| dc.language | por | pt_BR |
| dc.publisher | Universidade Federal do Rio de Janeiro | pt_BR |
| dc.publisher.country | Brasil | pt_BR |
| dc.publisher.department | Instituto de Geociências | pt_BR |
| dc.publisher.initials | UFRJ | pt_BR |
| dc.rights | Acesso Aberto | pt_BR |
| dc.subject | Interpretação Sísmica | pt_BR |
| dc.subject | Aprendizado de Máquina | pt_BR |
| dc.subject | Bacia de Santos | pt_BR |
| dc.subject.cnpq | CNPQ::CIENCIAS EXATAS E DA TERRA::GEOCIENCIAS::GEOLOGIA | pt_BR |
| dc.title | Interpretação sísmica de falhas assistida por aprendizado de máquina no intervalo pré-sal no Campo de Gato do Mato (Bacia de Santos) | pt_BR |
| dc.type | Trabalho de conclusão de graduação | pt_BR |