Efeito do tamanho da mostra de treinamento da predição de perfis faltantes por técnica de análise multivariada.
Ano de defesa: | 2011 |
---|---|
Autor(a) principal: | |
Orientador(a): | |
Banca de defesa: | , |
Tipo de documento: | Dissertação |
Tipo de acesso: | Acesso aberto |
Idioma: | por |
Instituição de defesa: |
Universidade Federal de Campina Grande
|
Programa de Pós-Graduação: |
PÓS-GRADUAÇÃO EM ENGENHARIA DE MINAS
|
Departamento: |
Centro de Tecnologia e Recursos Naturais - CTRN
|
País: |
Brasil
|
Palavras-chave em Português: | |
Link de acesso: | http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/10580 |
Resumo: | Perfis geofísicos de poços constituem uma importante fonte de dados para a avaliação do potencial de uma dada área, com fins de exploração de recursos naturais subterrâneos. Por diversas razões, dentre as quais destacamos as dificuldades operacionais, indisponibilidade de sondas ou por questões relativas a priorização no momento da contratação do serviço de aquisição dos dados, assim sendo dificilmente se dispõe do conjunto completo de perfis, de modo que pode haver perfis faltantes em um dado poco. No entanto, uma característica marcante dos perfis geofísicos de poços e que existe certo nível de redundância entre eles, de modo que se pode fazer uso desta característica para estimar um dado perfil faltante a partir dos demais perfis disponíveis. Neste trabalho as estimativas de perfis faltantes foram realizadas através da aplicação da técnica de estatística multivariada KNN (K-esimos valores mais próximos), a qual se baseia na medição da similaridade, no espaço multidimensional, entre valores dos diversos perfis de uma amostra de treinamento. A estimativa do valor de um dado perfil faltante e obtida pela similaridade entre os perfis disponíveis e os perfis da amostra de treinamento. Em particular, neste trabalho se avaliou o efeito do tamanho da amostra de treinamento sobre a eficiência da predição pelo método KNN. Os resultados obtidos mostram que o aumento do tamanho da amostra e treinamento conduz a redução da diferença entre a curva real e a estimada. No entanto, amostras de treinamento com apenas 10% dos dados disponíveis já fornecem resultados aceitáveis de predição para os perfis cuja variação ocorre em escala linear, como os perfis de densidade, sônico, raios gama e porosidade de neutrons. Para o perfil de resistividade elétrica não se obteve resultados aceitáveis, pois o mesmo não guarda redundância em relação aos demais perfis disponíveis. |
id |
UFCG_a9615c3ea22e5c8f2e38c24405bd14d7 |
---|---|
oai_identifier_str |
oai:localhost:riufcg/10580 |
network_acronym_str |
UFCG |
network_name_str |
Biblioteca Digital de Teses e Dissertações da UFCG |
repository_id_str |
|
spelling |
SOARES, José Agnelo.SOARES, J. A.http://lattes.cnpq.br/3513704271463341BAZANTE, Arlindo José.NOGUEIRA, Francisco Cézar.MONTEIRO FILHO, A. F.http://lattes.cnpq.br/3202642829688471MONTEIRO FILHO, Adalberto Francisco.Perfis geofísicos de poços constituem uma importante fonte de dados para a avaliação do potencial de uma dada área, com fins de exploração de recursos naturais subterrâneos. Por diversas razões, dentre as quais destacamos as dificuldades operacionais, indisponibilidade de sondas ou por questões relativas a priorização no momento da contratação do serviço de aquisição dos dados, assim sendo dificilmente se dispõe do conjunto completo de perfis, de modo que pode haver perfis faltantes em um dado poco. No entanto, uma característica marcante dos perfis geofísicos de poços e que existe certo nível de redundância entre eles, de modo que se pode fazer uso desta característica para estimar um dado perfil faltante a partir dos demais perfis disponíveis. Neste trabalho as estimativas de perfis faltantes foram realizadas através da aplicação da técnica de estatística multivariada KNN (K-esimos valores mais próximos), a qual se baseia na medição da similaridade, no espaço multidimensional, entre valores dos diversos perfis de uma amostra de treinamento. A estimativa do valor de um dado perfil faltante e obtida pela similaridade entre os perfis disponíveis e os perfis da amostra de treinamento. Em particular, neste trabalho se avaliou o efeito do tamanho da amostra de treinamento sobre a eficiência da predição pelo método KNN. Os resultados obtidos mostram que o aumento do tamanho da amostra e treinamento conduz a redução da diferença entre a curva real e a estimada. No entanto, amostras de treinamento com apenas 10% dos dados disponíveis já fornecem resultados aceitáveis de predição para os perfis cuja variação ocorre em escala linear, como os perfis de densidade, sônico, raios gama e porosidade de neutrons. Para o perfil de resistividade elétrica não se obteve resultados aceitáveis, pois o mesmo não guarda redundância em relação aos demais perfis disponíveis.Geophysical well logs constitute an important data source for the evaluation of the potential of a given area for underground natural resources exploitation purposes. For several reasons, hardly the complete log set is available, so that there may be missing logs in a given well. However, a geophysical well logs characteristic is that there is some level of redundancy between them, so this feature can be used to estimate a given missing log from other available logs. This work estimate missing logs through the application of the multivariate statistical technique KNN (K-thnearest neighbor) which is based on the measurement of similarity between the values of several logs of a training sample set. The estimated value of a given missing log is obtained by the similarity between the available logs and the training set values. In particular this work evaluates the effect of the training set size on the efficiency of KNN prediction. The results obtained show that increasing the training set size leads to a reduction of the difference between the actual log and the estimated one. However, training set with only 10% of the available data already provide acceptable prediction for logs whose variation occurs in linear scale, as density, sonic, gamma ray and neutron porosity logs. For electrical resistivity log KNN not achieved acceptable results, because this log does not have redundancy with other available logsSubmitted by Élida Maeli Fernandes Quirino (maely_sax@hotmail.com) on 2020-01-02T12:16:18Z No. of bitstreams: 1 ADALBERTO FRANCISCO MONTEIRO FILHO - DISSERTAÇÃO PPGEMinas 2011..pdf: 14413448 bytes, checksum: 59b815e9e1cfbbaad24e923891ebc337 (MD5)Made available in DSpace on 2020-01-02T12:16:18Z (GMT). No. of bitstreams: 1 ADALBERTO FRANCISCO MONTEIRO FILHO - DISSERTAÇÃO PPGEMinas 2011..pdf: 14413448 bytes, checksum: 59b815e9e1cfbbaad24e923891ebc337 (MD5) Previous issue date: 2011-07-04Universidade Federal de Campina GrandePÓS-GRADUAÇÃO EM ENGENHARIA DE MINASUFCGBrasilCentro de Tecnologia e Recursos Naturais - CTRNEfeito do tamanho da mostra de treinamento da predição de perfis faltantes por técnica de análise multivariada.Effect of training sample size on missing profile prediction by multivariate analysis technique.2011-07-042020-01-02T12:16:18Z2020-01-022020-01-02T12:16:18Zhttp://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/10580MONTEIRO FILHO, Adalberto Francisco. Efeito do tamanho da mostra de treinamento da predição de perfis faltantes por técnica de análise multivariada. 113f. (Dissertação de Mestrado em Engenharia de Minas), Programa de Pós-Graduação em Engenharia de Minas, Centro de Ciências e Tecnologia, Universidade Federal de Campina Grande – Paraíba Brasil, 2011. Disponível em: http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/10580info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisAnálise multivariadaPredição de perfis faltantesAmostra de treinamentoPerfis geofísicos de poçosMétodo KNNRaios gamaPorosidade de nêutronsPerfilagem de poçosPetróleoMultivariate analysisMissing Profiles PredictionTraining SampleWell geophysical profilesKNN MethodGammaNeutron PorosityWell profilingPetroleumPerfil sônico - poçosSonic Profile - Wellsporinfo:eu-repo/semantics/openAccessreponame:Biblioteca Digital de Teses e Dissertações da UFCGinstname:Universidade Federal de Campina Grande (UFCG)instacron:UFCGORIGINALADALBERTO FRANCISCO MONTEIRO FILHO - DISSERTAÇÃO PPGEMinas 2011.pdfADALBERTO FRANCISCO MONTEIRO FILHO - DISSERTAÇÃO PPGEMinas 2011.pdfapplication/pdf16109172http://dspace.sti.ufcg.edu.br:8080/xmlui/bitstream/riufcg/10580/3/ADALBERTO+FRANCISCO+MONTEIRO+FILHO+-+DISSERTA%C3%87%C3%83O+PPGEMinas+2011.pdfdfcdc0611f0e14551ee0e0bcfe9e3a3cMD53LICENSElicense.txtlicense.txttext/plain; charset=utf-81748http://dspace.sti.ufcg.edu.br:8080/xmlui/bitstream/riufcg/10580/2/license.txt8a4605be74aa9ea9d79846c1fba20a33MD52riufcg/105802022-05-26 13:24:33.519oai:localhost:riufcg/10580Tk9URTogUExBQ0UgWU9VUiBPV04gTElDRU5TRSBIRVJFClRoaXMgc2FtcGxlIGxpY2Vuc2UgaXMgcHJvdmlkZWQgZm9yIGluZm9ybWF0aW9uYWwgcHVycG9zZXMgb25seS4KCk5PTi1FWENMVVNJVkUgRElTVFJJQlVUSU9OIExJQ0VOU0UKCkJ5IHNpZ25pbmcgYW5kIHN1Ym1pdHRpbmcgdGhpcyBsaWNlbnNlLCB5b3UgKHRoZSBhdXRob3Iocykgb3IgY29weXJpZ2h0Cm93bmVyKSBncmFudHMgdG8gRFNwYWNlIFVuaXZlcnNpdHkgKERTVSkgdGhlIG5vbi1leGNsdXNpdmUgcmlnaHQgdG8gcmVwcm9kdWNlLAp0cmFuc2xhdGUgKGFzIGRlZmluZWQgYmVsb3cpLCBhbmQvb3IgZGlzdHJpYnV0ZSB5b3VyIHN1Ym1pc3Npb24gKGluY2x1ZGluZwp0aGUgYWJzdHJhY3QpIHdvcmxkd2lkZSBpbiBwcmludCBhbmQgZWxlY3Ryb25pYyBmb3JtYXQgYW5kIGluIGFueSBtZWRpdW0sCmluY2x1ZGluZyBidXQgbm90IGxpbWl0ZWQgdG8gYXVkaW8gb3IgdmlkZW8uCgpZb3UgYWdyZWUgdGhhdCBEU1UgbWF5LCB3aXRob3V0IGNoYW5naW5nIHRoZSBjb250ZW50LCB0cmFuc2xhdGUgdGhlCnN1Ym1pc3Npb24gdG8gYW55IG1lZGl1bSBvciBmb3JtYXQgZm9yIHRoZSBwdXJwb3NlIG9mIHByZXNlcnZhdGlvbi4KCllvdSBhbHNvIGFncmVlIHRoYXQgRFNVIG1heSBrZWVwIG1vcmUgdGhhbiBvbmUgY29weSBvZiB0aGlzIHN1Ym1pc3Npb24gZm9yCnB1cnBvc2VzIG9mIHNlY3VyaXR5LCBiYWNrLXVwIGFuZCBwcmVzZXJ2YXRpb24uCgpZb3UgcmVwcmVzZW50IHRoYXQgdGhlIHN1Ym1pc3Npb24gaXMgeW91ciBvcmlnaW5hbCB3b3JrLCBhbmQgdGhhdCB5b3UgaGF2ZQp0aGUgcmlnaHQgdG8gZ3JhbnQgdGhlIHJpZ2h0cyBjb250YWluZWQgaW4gdGhpcyBsaWNlbnNlLiBZb3UgYWxzbyByZXByZXNlbnQKdGhhdCB5b3VyIHN1Ym1pc3Npb24gZG9lcyBub3QsIHRvIHRoZSBiZXN0IG9mIHlvdXIga25vd2xlZGdlLCBpbmZyaW5nZSB1cG9uCmFueW9uZSdzIGNvcHlyaWdodC4KCklmIHRoZSBzdWJtaXNzaW9uIGNvbnRhaW5zIG1hdGVyaWFsIGZvciB3aGljaCB5b3UgZG8gbm90IGhvbGQgY29weXJpZ2h0LAp5b3UgcmVwcmVzZW50IHRoYXQgeW91IGhhdmUgb2J0YWluZWQgdGhlIHVucmVzdHJpY3RlZCBwZXJtaXNzaW9uIG9mIHRoZQpjb3B5cmlnaHQgb3duZXIgdG8gZ3JhbnQgRFNVIHRoZSByaWdodHMgcmVxdWlyZWQgYnkgdGhpcyBsaWNlbnNlLCBhbmQgdGhhdApzdWNoIHRoaXJkLXBhcnR5IG93bmVkIG1hdGVyaWFsIGlzIGNsZWFybHkgaWRlbnRpZmllZCBhbmQgYWNrbm93bGVkZ2VkCndpdGhpbiB0aGUgdGV4dCBvciBjb250ZW50IG9mIHRoZSBzdWJtaXNzaW9uLgoKSUYgVEhFIFNVQk1JU1NJT04gSVMgQkFTRUQgVVBPTiBXT1JLIFRIQVQgSEFTIEJFRU4gU1BPTlNPUkVEIE9SIFNVUFBPUlRFRApCWSBBTiBBR0VOQ1kgT1IgT1JHQU5JWkFUSU9OIE9USEVSIFRIQU4gRFNVLCBZT1UgUkVQUkVTRU5UIFRIQVQgWU9VIEhBVkUKRlVMRklMTEVEIEFOWSBSSUdIVCBPRiBSRVZJRVcgT1IgT1RIRVIgT0JMSUdBVElPTlMgUkVRVUlSRUQgQlkgU1VDSApDT05UUkFDVCBPUiBBR1JFRU1FTlQuCgpEU1Ugd2lsbCBjbGVhcmx5IGlkZW50aWZ5IHlvdXIgbmFtZShzKSBhcyB0aGUgYXV0aG9yKHMpIG9yIG93bmVyKHMpIG9mIHRoZQpzdWJtaXNzaW9uLCBhbmQgd2lsbCBub3QgbWFrZSBhbnkgYWx0ZXJhdGlvbiwgb3RoZXIgdGhhbiBhcyBhbGxvd2VkIGJ5IHRoaXMKbGljZW5zZSwgdG8geW91ciBzdWJtaXNzaW9uLgo=Biblioteca Digital de Teses e Dissertaçõeshttp://bdtd.ufcg.edu.br/PUBhttp://dspace.sti.ufcg.edu.br:8080/oai/requestbdtd@setor.ufcg.edu.br || bdtd@setor.ufcg.edu.bropendoar:48512022-05-26T16:24:33Biblioteca Digital de Teses e Dissertações da UFCG - Universidade Federal de Campina Grande (UFCG)false |
dc.title.pt_BR.fl_str_mv |
Efeito do tamanho da mostra de treinamento da predição de perfis faltantes por técnica de análise multivariada. |
dc.title.alternative.pt_BR.fl_str_mv |
Effect of training sample size on missing profile prediction by multivariate analysis technique. |
title |
Efeito do tamanho da mostra de treinamento da predição de perfis faltantes por técnica de análise multivariada. |
spellingShingle |
Efeito do tamanho da mostra de treinamento da predição de perfis faltantes por técnica de análise multivariada. MONTEIRO FILHO, Adalberto Francisco. Análise multivariada Predição de perfis faltantes Amostra de treinamento Perfis geofísicos de poços Método KNN Raios gama Porosidade de nêutrons Perfilagem de poços Petróleo Multivariate analysis Missing Profiles Prediction Training Sample Well geophysical profiles KNN Method Gamma Neutron Porosity Well profiling Petroleum Perfil sônico - poços Sonic Profile - Wells |
title_short |
Efeito do tamanho da mostra de treinamento da predição de perfis faltantes por técnica de análise multivariada. |
title_full |
Efeito do tamanho da mostra de treinamento da predição de perfis faltantes por técnica de análise multivariada. |
title_fullStr |
Efeito do tamanho da mostra de treinamento da predição de perfis faltantes por técnica de análise multivariada. |
title_full_unstemmed |
Efeito do tamanho da mostra de treinamento da predição de perfis faltantes por técnica de análise multivariada. |
title_sort |
Efeito do tamanho da mostra de treinamento da predição de perfis faltantes por técnica de análise multivariada. |
author |
MONTEIRO FILHO, Adalberto Francisco. |
author_facet |
MONTEIRO FILHO, Adalberto Francisco. |
author_role |
author |
dc.contributor.advisor1.fl_str_mv |
SOARES, José Agnelo. |
dc.contributor.advisor1ID.fl_str_mv |
SOARES, J. A. |
dc.contributor.advisor1Lattes.fl_str_mv |
http://lattes.cnpq.br/3513704271463341 |
dc.contributor.referee1.fl_str_mv |
BAZANTE, Arlindo José. |
dc.contributor.referee2.fl_str_mv |
NOGUEIRA, Francisco Cézar. |
dc.contributor.authorID.fl_str_mv |
MONTEIRO FILHO, A. F. |
dc.contributor.authorLattes.fl_str_mv |
http://lattes.cnpq.br/3202642829688471 |
dc.contributor.author.fl_str_mv |
MONTEIRO FILHO, Adalberto Francisco. |
contributor_str_mv |
SOARES, José Agnelo. BAZANTE, Arlindo José. NOGUEIRA, Francisco Cézar. |
dc.subject.por.fl_str_mv |
Análise multivariada Predição de perfis faltantes Amostra de treinamento Perfis geofísicos de poços Método KNN Raios gama Porosidade de nêutrons Perfilagem de poços Petróleo Multivariate analysis Missing Profiles Prediction Training Sample Well geophysical profiles KNN Method Gamma Neutron Porosity Well profiling Petroleum Perfil sônico - poços Sonic Profile - Wells |
topic |
Análise multivariada Predição de perfis faltantes Amostra de treinamento Perfis geofísicos de poços Método KNN Raios gama Porosidade de nêutrons Perfilagem de poços Petróleo Multivariate analysis Missing Profiles Prediction Training Sample Well geophysical profiles KNN Method Gamma Neutron Porosity Well profiling Petroleum Perfil sônico - poços Sonic Profile - Wells |
description |
Perfis geofísicos de poços constituem uma importante fonte de dados para a avaliação do potencial de uma dada área, com fins de exploração de recursos naturais subterrâneos. Por diversas razões, dentre as quais destacamos as dificuldades operacionais, indisponibilidade de sondas ou por questões relativas a priorização no momento da contratação do serviço de aquisição dos dados, assim sendo dificilmente se dispõe do conjunto completo de perfis, de modo que pode haver perfis faltantes em um dado poco. No entanto, uma característica marcante dos perfis geofísicos de poços e que existe certo nível de redundância entre eles, de modo que se pode fazer uso desta característica para estimar um dado perfil faltante a partir dos demais perfis disponíveis. Neste trabalho as estimativas de perfis faltantes foram realizadas através da aplicação da técnica de estatística multivariada KNN (K-esimos valores mais próximos), a qual se baseia na medição da similaridade, no espaço multidimensional, entre valores dos diversos perfis de uma amostra de treinamento. A estimativa do valor de um dado perfil faltante e obtida pela similaridade entre os perfis disponíveis e os perfis da amostra de treinamento. Em particular, neste trabalho se avaliou o efeito do tamanho da amostra de treinamento sobre a eficiência da predição pelo método KNN. Os resultados obtidos mostram que o aumento do tamanho da amostra e treinamento conduz a redução da diferença entre a curva real e a estimada. No entanto, amostras de treinamento com apenas 10% dos dados disponíveis já fornecem resultados aceitáveis de predição para os perfis cuja variação ocorre em escala linear, como os perfis de densidade, sônico, raios gama e porosidade de neutrons. Para o perfil de resistividade elétrica não se obteve resultados aceitáveis, pois o mesmo não guarda redundância em relação aos demais perfis disponíveis. |
publishDate |
2011 |
dc.date.issued.fl_str_mv |
2011-07-04 |
dc.date.accessioned.fl_str_mv |
2020-01-02T12:16:18Z |
dc.date.available.fl_str_mv |
2020-01-02 2020-01-02T12:16:18Z |
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 |
http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/10580 |
dc.identifier.citation.fl_str_mv |
MONTEIRO FILHO, Adalberto Francisco. Efeito do tamanho da mostra de treinamento da predição de perfis faltantes por técnica de análise multivariada. 113f. (Dissertação de Mestrado em Engenharia de Minas), Programa de Pós-Graduação em Engenharia de Minas, Centro de Ciências e Tecnologia, Universidade Federal de Campina Grande – Paraíba Brasil, 2011. Disponível em: http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/10580 |
url |
http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/10580 |
identifier_str_mv |
MONTEIRO FILHO, Adalberto Francisco. Efeito do tamanho da mostra de treinamento da predição de perfis faltantes por técnica de análise multivariada. 113f. (Dissertação de Mestrado em Engenharia de Minas), Programa de Pós-Graduação em Engenharia de Minas, Centro de Ciências e Tecnologia, Universidade Federal de Campina Grande – Paraíba Brasil, 2011. Disponível em: http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/10580 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.publisher.none.fl_str_mv |
Universidade Federal de Campina Grande |
dc.publisher.program.fl_str_mv |
PÓS-GRADUAÇÃO EM ENGENHARIA DE MINAS |
dc.publisher.initials.fl_str_mv |
UFCG |
dc.publisher.country.fl_str_mv |
Brasil |
dc.publisher.department.fl_str_mv |
Centro de Tecnologia e Recursos Naturais - CTRN |
publisher.none.fl_str_mv |
Universidade Federal de Campina Grande |
dc.source.none.fl_str_mv |
reponame:Biblioteca Digital de Teses e Dissertações da UFCG instname:Universidade Federal de Campina Grande (UFCG) instacron:UFCG |
instname_str |
Universidade Federal de Campina Grande (UFCG) |
instacron_str |
UFCG |
institution |
UFCG |
reponame_str |
Biblioteca Digital de Teses e Dissertações da UFCG |
collection |
Biblioteca Digital de Teses e Dissertações da UFCG |
bitstream.url.fl_str_mv |
http://dspace.sti.ufcg.edu.br:8080/xmlui/bitstream/riufcg/10580/3/ADALBERTO+FRANCISCO+MONTEIRO+FILHO+-+DISSERTA%C3%87%C3%83O+PPGEMinas+2011.pdf http://dspace.sti.ufcg.edu.br:8080/xmlui/bitstream/riufcg/10580/2/license.txt |
bitstream.checksum.fl_str_mv |
dfcdc0611f0e14551ee0e0bcfe9e3a3c 8a4605be74aa9ea9d79846c1fba20a33 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 |
repository.name.fl_str_mv |
Biblioteca Digital de Teses e Dissertações da UFCG - Universidade Federal de Campina Grande (UFCG) |
repository.mail.fl_str_mv |
bdtd@setor.ufcg.edu.br || bdtd@setor.ufcg.edu.br |
_version_ |
1799309473698807808 |