| Summary: | Made available in DSpace on 2016-08-17T14:52:37Z (GMT). No. of bitstreams: 1
Dissertacao Suellen de Araujo Caduda da Silva Motta.pdf: 13615714 bytes, checksum: 2d717995db073f7cf237e113b96957a4 (MD5)
Previous issue date: 2015-02-02 === Conselho Nacional de Desenvolvimento Científico e Tecnológico === This work presents an automatic method for fault detection in data obtained through seismic reflection method. Identifying geological faults in seismic data is critical for better understating a geological system and planning hydrocarbon exploration. Knowing that faults
are discontinuities present in seismic horizons, we propose the use of geostatistical functions which are capable of indicating the amplitude variation along the volume samples, in both predetermined distances and directions. Thus, the method is based on semivariogram,
semimadogram, covariogram and correlogram functions, used as representative characteristics for the samples, which will be classified as fault or "non fault" regions by the Pattern Recognition technique named Support Vector Machine (SVM). The proposed method was validated by tests made in F3 Block, a seismic data provided by OpendTect system, with up to 92.15% sensitivity and 84.33% specificity. This work also provides an extraction of fault lines method based on region growing segmentation and morphological operators applied on the
classification binary resulted volume. Also tested in F3 Block, the method was able to satisfactorily extract the faults in most of the data slices. === Este trabalho apresenta um método automático de detecção de falhas em volumes obtidos através do método de reflexão sísmica. Identificar as falhas geológicas nos dados sísmicos é importante para o conhecimento de um sistema geológico e para o planejamento da exploração de hidrocarbonetos. Sabendo-se que as falhas são descontinuidades presentes nos horizontes sísmicos, propõe-se a utilização de funções geoestatísticas capazes de indicar a
variação da amplitude das amostras, em direções e distâncias predeterminadas. Assim, o método baseia-se no uso das funções semivariograma, semimadograma, covariograma e correlograma como características representativas das amostras, que serão classificadas como regiões de falha ou não falha , através da técnica clássica de Reconhecimento de Padrões conhecida como SVM (Support Vector Machine Máquina de Vetores de Suporte). O método proposto foi validado através de testes realizados com o volume F3 Block, disponibilizado pelo sistema OpendTect, apresentando até 92,15% de sensibilidade e 84,33% de especificidade. Este trabalho também apresenta um método de extração das linhas de falha baseado em crescimento de região e operadores morfológicos, a partir do volume binário resultante da classificação. Também testado sobre o F3 Block, o método foi capaz de extrair satisfatoriamente as falhas, na maioria das fatias do dado.
|
|---|
