Integração de dados para a classificação de eletrofácies por mapas auto-organizáveis

Resumo

A fim de minimizar as incertezas intrínsecas à classificação litológica de eletrofácies a partir de perfis, são descritas nove estratégias de classificação por redes neurais não supervisionadas, mapas auto-organizáveis (self-organizing maps - SOM), que combinam informações de perfis geofísicos com dados provenientes de derivadas dos perfis, expoentes de Hölder e impedância acústica. O método é aplicado a um reservatório carbonático do Albiano, da Bacia de Campos, para o qual foram utilizados os perfis sônico (DT), porosidade neutrônica (NPHI), densidade (RHOB) e raios gama (GR). Mediante a escassez de dados de testemunhos, as classificações foram realizadas em duas etapas: inicialmente foi feita a classificação do conjunto de perfis geofísicos e impedância acústica, que em uma segunda etapa foi utilizada como variável adicional em testes com o algoritmo na busca pela classificação de dados de testemunho que descrevem quatro fácies (reservatório, possível reservatório, não reservatório e cimento). Dentre os cenários analisados, os melhores resultados estão associados à inserção de informações de impedância acústica e desta nova variável. Adicionadas à suíte básica de perfis geofísicos no conjunto de treinamento do SOM, obteve-se um aumento de acerto da classificação de dados de testemunho de 16%. Os resultados possibilitam quantificar a potencialidade da integração de dados sísmicos na classificação automática de dados de poços pelo método de SOM.