Avaliação da support vector machine na classificação de fácies no campo de Peregrino, Bacia de Campos-RJ, Brasil
Ano de defesa: | 2017 |
---|---|
Autor(a) principal: | |
Orientador(a): | |
Banca de defesa: | |
Tipo de documento: | Dissertação |
Tipo de acesso: | Acesso aberto |
Idioma: | por |
Instituição de defesa: |
[s.n.]
|
Programa de Pós-Graduação: |
Não Informado pela instituição
|
Departamento: |
Não Informado pela instituição
|
País: |
Não Informado pela instituição
|
Palavras-chave em Português: | |
Link de acesso: | https://hdl.handle.net/20.500.12733/1632852 |
Resumo: | Orientador: Fresia Soledad Ricardi-Branco |
id |
UNICAMP-30_cdf7cc87f57515b90e91332cd2cad233 |
---|---|
oai_identifier_str |
oai::991671 |
network_acronym_str |
UNICAMP-30 |
network_name_str |
Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP) |
repository_id_str |
|
spelling |
Avaliação da support vector machine na classificação de fácies no campo de Peregrino, Bacia de Campos-RJ, BrasilEvaluation of support vector machine to classify facies in Peregrino field, Bacia de Campos-RJ, BrazilAprendizagemPetrofísicaCampos, Bacia de (RJ)LearningPetrophysicsCampos, Basin (RJ)Orientador: Fresia Soledad Ricardi-BrancoDissertação (mestrado) - Universidade Estadual de Campinas, Instituto de GeociênciasResumo: Um considerável volume de informações pode ser obtido a partir das perfilagens geofísicas, tais como composição química, mineralogia, textura, porosidade além da identificação das zonas de acumulação de hidrocarbonetos. Para atingir uma interpretação confiável é necessária uma correta correlação entre os testemunhos de amostragem, amostras de laboratório e perfilagens geofísicas. Algoritmos de aprendizagem de máquina vêm sendo utilizados com o intuito de auxiliar o intérprete na tarefa de correlação entre as diferentes fontes de dados. O algoritmo da Support Vector Machine (SVM) tem aplicação em diversas áreas tais como a bioinformática, análise de imagens e categorização de textos. Os resultados obtidos até o momento mostram que o algoritmo pode atingir os mesmos ou melhores resultados que outras técnicas já em uso. A SVM foi desenvolvida por Vapnik e se baseia na Teoria da Aprendizagem Estatística (TAE). Tem como características a utilização de equações de kernel para amostras não lineares e o uso das margens de máxima separação para determinação do hiperplano canônico. Neste trabalho foi obtida uma classificação de eletrofácies com a SVM em dados oriundos do Campo de Peregrino na Bacia de Campos. Para avaliar a capacidade de classificação e predição de fácies do SVM, foram utilizados seis poços e suas respectivas leituras de perfilagem do poço, descrições petrográficas e dados laboratoriais. Foram testadas duas equações de Kernel, Linear e Radial Basis Function (RBF). O resultado foi comparado à outra técnica, KNN. Ambas as técnicas atingiram bons resultados tendo o SVM atingido taxa de acerto de 89% e o KNN com 70,8%. Com esse resultado o SVM se mostrou um confiável classificador para a utilização no campo de PeregrinoAbstract: Log curves generate a considerable amount of information like, chemistry composition, mineralogy, texture, porosity and even identify hydrocarbon accumulations. To obtain a reliable interpretation is important to do a correct correlation between the core log, the laboratory samples and the log curves. Machine learning algorithms help the interpreter on the job of correct correlation between different data sources. Many knowledge areas apply the Support Vector Machine (SVM) algorithm, e.g., bioinformatics, image analysis and texts categorization. The studies obtained show that the algorithm can achieve the same or better results of other techniques in use. Based on the Statistical Learning Theory, the SVM was proposed by Vapnik (1995). It¿s characterized by the presence of kernel equations for nonlinear samples and determination of hyperplane through maximum separation margins. In this work, an electrofacies classification obtained with SVM using data from the Peregrino field, Campos Basin. To evaluate the classification and prediction capacities of the SVM, we utilized six exploratory wells with log curves, petrographic descriptions and laboratorial analysis. Two kernel equations was utilized, the Linear and Radial Basis Function (RBF). The results were compared to another technique, KNN. Both algorithms achieved good results, with SVM scoring 89% and KNN with 70.8%. With this result the SVM algorithm showed to be a reliable classifier to be applied in the Peregrino FieldMestradoGeologia e Recursos NaturaisMestre em Geociências[s.n.]Ricardi-Branco, FresiaLeite, Emilson PereiraPortugal, Rodrigo de SouzaUniversidade Estadual de Campinas. Instituto de GeociênciasPrograma de Pós-Graduação em GeociênciasUNIVERSIDADE ESTADUAL DE CAMPINASCaldato, Eduardo Bomfin, 1987-20172017-11-06T00:00:00Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdf1 recurso online (59 p.) : il., digital, arquivo PDF.https://hdl.handle.net/20.500.12733/1632852CALDATO, Eduardo Bomfin. Avaliação da support vector machine na classificação de fácies no campo de Peregrino, Bacia de Campos-RJ, Brasil. 2017. 1 recurso online (59 p.) Dissertação (mestrado) - Universidade Estadual de Campinas, Instituto de Geociências, Campinas, SP. Disponível em: https://hdl.handle.net/20.500.12733/1632852. Acesso em: 26 abr. 2024.https://repositorio.unicamp.br/acervo/detalhe/991671Requisitos do sistema: Software para leitura de arquivo em PDFporreponame:Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)instname:Universidade Estadual de Campinas (UNICAMP)instacron:UNICAMPinfo:eu-repo/semantics/openAccess2018-03-09T17:40:33Zoai::991671Biblioteca Digital de Teses e DissertaçõesPUBhttp://repositorio.unicamp.br/oai/tese/oai.aspsbubd@unicamp.bropendoar:2018-03-09T17:40:33Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP) - Universidade Estadual de Campinas (UNICAMP)false |
dc.title.none.fl_str_mv |
Avaliação da support vector machine na classificação de fácies no campo de Peregrino, Bacia de Campos-RJ, Brasil Evaluation of support vector machine to classify facies in Peregrino field, Bacia de Campos-RJ, Brazil |
title |
Avaliação da support vector machine na classificação de fácies no campo de Peregrino, Bacia de Campos-RJ, Brasil |
spellingShingle |
Avaliação da support vector machine na classificação de fácies no campo de Peregrino, Bacia de Campos-RJ, Brasil Caldato, Eduardo Bomfin, 1987- Aprendizagem Petrofísica Campos, Bacia de (RJ) Learning Petrophysics Campos, Basin (RJ) |
title_short |
Avaliação da support vector machine na classificação de fácies no campo de Peregrino, Bacia de Campos-RJ, Brasil |
title_full |
Avaliação da support vector machine na classificação de fácies no campo de Peregrino, Bacia de Campos-RJ, Brasil |
title_fullStr |
Avaliação da support vector machine na classificação de fácies no campo de Peregrino, Bacia de Campos-RJ, Brasil |
title_full_unstemmed |
Avaliação da support vector machine na classificação de fácies no campo de Peregrino, Bacia de Campos-RJ, Brasil |
title_sort |
Avaliação da support vector machine na classificação de fácies no campo de Peregrino, Bacia de Campos-RJ, Brasil |
author |
Caldato, Eduardo Bomfin, 1987- |
author_facet |
Caldato, Eduardo Bomfin, 1987- |
author_role |
author |
dc.contributor.none.fl_str_mv |
Ricardi-Branco, Fresia Leite, Emilson Pereira Portugal, Rodrigo de Souza Universidade Estadual de Campinas. Instituto de Geociências Programa de Pós-Graduação em Geociências UNIVERSIDADE ESTADUAL DE CAMPINAS |
dc.contributor.author.fl_str_mv |
Caldato, Eduardo Bomfin, 1987- |
dc.subject.por.fl_str_mv |
Aprendizagem Petrofísica Campos, Bacia de (RJ) Learning Petrophysics Campos, Basin (RJ) |
topic |
Aprendizagem Petrofísica Campos, Bacia de (RJ) Learning Petrophysics Campos, Basin (RJ) |
description |
Orientador: Fresia Soledad Ricardi-Branco |
publishDate |
2017 |
dc.date.none.fl_str_mv |
2017 2017-11-06T00:00:00Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/masterThesis |
format |
masterThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
https://hdl.handle.net/20.500.12733/1632852 CALDATO, Eduardo Bomfin. Avaliação da support vector machine na classificação de fácies no campo de Peregrino, Bacia de Campos-RJ, Brasil. 2017. 1 recurso online (59 p.) Dissertação (mestrado) - Universidade Estadual de Campinas, Instituto de Geociências, Campinas, SP. Disponível em: https://hdl.handle.net/20.500.12733/1632852. Acesso em: 26 abr. 2024. |
url |
https://hdl.handle.net/20.500.12733/1632852 |
identifier_str_mv |
CALDATO, Eduardo Bomfin. Avaliação da support vector machine na classificação de fácies no campo de Peregrino, Bacia de Campos-RJ, Brasil. 2017. 1 recurso online (59 p.) Dissertação (mestrado) - Universidade Estadual de Campinas, Instituto de Geociências, Campinas, SP. Disponível em: https://hdl.handle.net/20.500.12733/1632852. Acesso em: 26 abr. 2024. |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.relation.none.fl_str_mv |
https://repositorio.unicamp.br/acervo/detalhe/991671 Requisitos do sistema: Software para leitura de arquivo em PDF |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf 1 recurso online (59 p.) : il., digital, arquivo PDF. |
dc.publisher.none.fl_str_mv |
[s.n.] |
publisher.none.fl_str_mv |
[s.n.] |
dc.source.none.fl_str_mv |
reponame:Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP) instname:Universidade Estadual de Campinas (UNICAMP) instacron:UNICAMP |
instname_str |
Universidade Estadual de Campinas (UNICAMP) |
instacron_str |
UNICAMP |
institution |
UNICAMP |
reponame_str |
Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP) |
collection |
Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP) |
repository.name.fl_str_mv |
Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP) - Universidade Estadual de Campinas (UNICAMP) |
repository.mail.fl_str_mv |
sbubd@unicamp.br |
_version_ |
1797405492035715072 |