A aplicação de machine learning supervisionada para a predição de carbono orgânico no Atlântico Sul a partir de dados fisiográficos e taxas de sedimentação
| dc.contributor.advisor | Dal’ Bó, Patrick Francisco Führ | |
| dc.contributor.advisorCo1 | Belem, Andre Luiz | |
| dc.contributor.advisorCo1Lattes | http://lattes.cnpq.br/8174173696509765 | pt_BR |
| dc.contributor.advisorCo2 | Bione, Fellippe Roberto Alves | |
| dc.contributor.advisorCo2Lattes | http://lattes.cnpq.br/5917855779924288 | pt_BR |
| dc.contributor.referee1 | Souza, Jaqueline Torres de | |
| dc.contributor.referee1Lattes | http://lattes.cnpq.br/6157976776963780 | pt_BR |
| dc.contributor.referee2 | Souza, Igor Viegas Alves Fernandes de | |
| dc.contributor.referee2Lattes | http://lattes.cnpq.br/4550123927660015 | pt_BR |
| dc.creator | Rangel, Bernardo Rolim | |
| dc.creator.Lattes | http://lattes.cnpq.br/7193194405179961 | pt_BR |
| dc.date.accessioned | 2022-05-20T13:03:44Z | |
| dc.date.available | 2026-05-16T03:07:03Z | |
| dc.date.issued | 2021-07 | |
| dc.description.resumo | Modelos de fácies orgânica são peças fundamentais no contexto da indústria do petróleo e gás, sobretudo na fase exploratória. Muitos dos alvos estratigráficos visados durante essa fase são do Cretáceo, período no qual o Oceano Atlântico teve origem e quando acumulações anômalas episódicas de carbono orgânico (CO) ocorreram nos sedimentos marinhos desta bacia oceânica recém-formada. Muitos fatores/forçantes são sabidamente relevantes para o acúmulo de carbono orgânico nos oceanos e fazem parte da modelagem de fácies orgânica. Entretanto, é desconhecido o papel da fisiografia e taxas de sedimentação na acumulação de carbono orgânico em bacias oceânicas. O objetivo deste trabalho foi avaliar a contribuição de fatores fisiográficos - latitude, paleobatimetria e distâncias para a linha de costa – e taxas de sedimentação na acumulação de carbono orgânico nas margens opostas do Atlântico Sul/Equatorial através do desenvolvimento e aplicação de modelo regressivo associado à Machine Learning supervisionada. Para tal, foram testados 19 modelos regressivos com base em dados em dados de 7 testemunhos obtidos em expedições do DSDP e ODP. Uma primeira análise dos padrões de distribuição do CO nos testemunhos estudados mostrou que a acumulação de carbono orgânico entre as duas margens do Atlântico Sul/Equatorial foi significantemente distinta, o que pode ser atribuído à atuação de processos específicos associados, sobretudo, à dinâmica de massas d’águas, dinâmica atmosférica e evolução paleobatimétrica. O modelo preditivo com melhor performance (R2 = 0,69; RMSE = 2,73) foi uma regressão de processo gaussiano, com função kernel racional quadrática. A aplicação desse modelo em dataset de teste resultou em menores coeficientes de determinação, com R2 = 0,37. Apesar da boa performance do modelo regressivo escolhido e do seu potencial para predizer teores de carbono orgânico a partir de fatores fisiográficos e taxas de sedimentação, o mesmo demonstrou-se pouco flexível para adaptações diferentes do contexto do treinamento. A piora da performance da aplicação do modelo em dataset de teste sugere que os fatores fisiográficos influenciam indiretamente parâmetros significativos na modulação do acúmulo de CO, os quais são, também, afetados por outros fatores não fisiográficos. Compreende-se, dessa forma, o poder limitado do uso dos fatores fisiográficos como preditores únicos da acumulação de CO em sedimentos marinhos. | pt_BR |
| dc.embargo.terms | aberto | pt_BR |
| dc.identifier.uri | http://hdl.handle.net/11422/16930 | |
| 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 | Cretáceo | pt_BR |
| dc.subject | Machine learning | pt_BR |
| dc.subject | Carbono orgânico | pt_BR |
| dc.subject.cnpq | CNPQ::CIENCIAS EXATAS E DA TERRA::GEOCIENCIAS::GEOLOGIA | pt_BR |
| dc.title | A aplicação de machine learning supervisionada para a predição de carbono orgânico no Atlântico Sul a partir de dados fisiográficos e taxas de sedimentação | pt_BR |
| dc.type | Trabalho de conclusão de graduação | pt_BR |