Classificação bayesiana de fácies utilizando atributos sísmicos texturais e impedância acústica em um campo do pré-sal da Bacia de Santos

Detalhes bibliográficos
Ano de defesa: 2025
Autor(a) principal: Machado, Julia Pires de Oliveira
Orientador(a): Não Informado pela instituição
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Não Informado pela instituição
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://app.uff.br/riuff/handle/1/41275
Resumo: As reservas do Pré-sal possuem grande relevância econômica e representam mais de 70% da produção nacional. A deposição dessas rochas foi controlada por processos complexos que resultaram em carbonatos com grande variação faciológica. Tal heterogeneidade impacta a qualidade do reservatório e gera incertezas nas estimativas de reservas e produção de hidrocarbonetos. Por isso, é pertinente desenvolver de metodologias que forneçam modelos preditivos detalhados acerca dos tipos de fácies presentes na região. Esse estudo realizou duas classificações bayesianas em um campo do Pré-sal da Bacia de Santos através da integração de dados de poços e multiatributos sísmicos para a construção de dois volumes de probabilidade de fácies na escala sísmica. A impedância acústica é um atributo sísmico já consolidado na bibliografia em algoritmos de classificação devido à sua boa correlação com a porosidade. No entanto, apresenta certa ambiguidade, principalmente na diferenciação de reservatórios carbonáticos e fácies lamosas no Pré-sal. Por isso, sua utilização aqui é proposta em conjunto com atributos texturais obtidos a partir do método Grey-Level Co-occurence Matrix. Foi realizado um estudo de viabilidade que avaliou quantitativamente diferentes combinações entre os atributos através de métricas estatísticas. Os melhores resultados foram a impedância acústica combinada com a entropia textural (classificação 2A) e a impedância acústica combinada com a entropia textural e energia espectral textural (classificação 3A). As classificações conseguiram representar as distribuições das fácies nas principais estruturas geológicas de interesse presentes no campo: mound carbonático, plataforma carbonática, banco de coquinas, debris e depósitos de fundo de lago. A metodologia diminuiu o problema da ambiguidade da impedância acústica na discriminação de fácies reservatório e lamosas, evidenciando a utilidade da introdução de atributos texturais para tal fim. Além disso, foi construído um catálogo com as respostas dos atributos e das classificações nas estruturas supracitadas. Por fim, foi realizada uma avaliação da correlação entre os atributos estudados e a porosidade efetiva onde verificou-se que há uma boa correlação entre os atributos texturais e a porosidade upscale na Formação Itapema.
id UFF-2_e96dd2e7e90804e9faaaf0f040bccca9
oai_identifier_str oai:app.uff.br:1/41275
network_acronym_str UFF-2
network_name_str Repositório Institucional da Universidade Federal Fluminense (RIUFF)
repository_id_str
spelling Classificação bayesiana de fácies utilizando atributos sísmicos texturais e impedância acústica em um campo do pré-sal da Bacia de SantosClassificação bayesiana de fáciesAtributos sísmicos texturaisGrey level co-occurence matrixCaracterização de reservatórios carbonáticosPré-salBacia de SantosCaracterização de reservatórioClassificação bayesiana de fáciesPré-salBacia de SantosBayesian facies classificationSeismic texture attributesGray level co-occurence matrixCarbonate reservoirs characterizationPre-saltSantos BasinAs reservas do Pré-sal possuem grande relevância econômica e representam mais de 70% da produção nacional. A deposição dessas rochas foi controlada por processos complexos que resultaram em carbonatos com grande variação faciológica. Tal heterogeneidade impacta a qualidade do reservatório e gera incertezas nas estimativas de reservas e produção de hidrocarbonetos. Por isso, é pertinente desenvolver de metodologias que forneçam modelos preditivos detalhados acerca dos tipos de fácies presentes na região. Esse estudo realizou duas classificações bayesianas em um campo do Pré-sal da Bacia de Santos através da integração de dados de poços e multiatributos sísmicos para a construção de dois volumes de probabilidade de fácies na escala sísmica. A impedância acústica é um atributo sísmico já consolidado na bibliografia em algoritmos de classificação devido à sua boa correlação com a porosidade. No entanto, apresenta certa ambiguidade, principalmente na diferenciação de reservatórios carbonáticos e fácies lamosas no Pré-sal. Por isso, sua utilização aqui é proposta em conjunto com atributos texturais obtidos a partir do método Grey-Level Co-occurence Matrix. Foi realizado um estudo de viabilidade que avaliou quantitativamente diferentes combinações entre os atributos através de métricas estatísticas. Os melhores resultados foram a impedância acústica combinada com a entropia textural (classificação 2A) e a impedância acústica combinada com a entropia textural e energia espectral textural (classificação 3A). As classificações conseguiram representar as distribuições das fácies nas principais estruturas geológicas de interesse presentes no campo: mound carbonático, plataforma carbonática, banco de coquinas, debris e depósitos de fundo de lago. A metodologia diminuiu o problema da ambiguidade da impedância acústica na discriminação de fácies reservatório e lamosas, evidenciando a utilidade da introdução de atributos texturais para tal fim. Além disso, foi construído um catálogo com as respostas dos atributos e das classificações nas estruturas supracitadas. Por fim, foi realizada uma avaliação da correlação entre os atributos estudados e a porosidade efetiva onde verificou-se que há uma boa correlação entre os atributos texturais e a porosidade upscale na Formação Itapema.The pre-salt reserves have great economic relevance and represent more than 70% of the national production. The deposition of these rocks was controlled by complex processes that resulted in carbonates with great faciological variation. Such heterogeneity impacts the reservoir quality and generates uncertainties in the estimates of hydrocarbon reserves and production. Therefore, it is relevant to develop methodologies that provide detailed predictive models about the types of facies present in the region. This study performed two bayesian classifications in a Pre-salt field in the Santos Basin through the integration of well data and seismic multi-attributes to build two facies probability volumes at the seismic scale. Acoustic impedance is a seismic attribute already consolidated in the literature on classification algorithms due to its good correlation with porosity. However, it presents some ambiguity, mainly in the differentiation of carbonate reservoirs and muddy facies in the pre-salt layer. Therefore, its use here is proposed together with textural attributes obtained from the Grey-Level Co-occurence Matrix method. A feasibility study was developed that evaluated different combinations of attributes through statistical metrics. This step was quantitatively evaluated through statistical metrics and probability density functions. The best results were acoustic impedance combined with textural entropy (2A classification) and acoustic impedance combined with textural entropy and textural spectral energy (3A classification). The classifications were able to represent the distribution of the facies in the main geological structures of interest present in the field: carbonate mound, carbonate platform, coquina bank, debris and bottom lake deposits. The methodology has decreased the problem of the ambiguity in the discrimination of reservoir and muddy facies, demonstrating the usefulness of introducing textural attributes for this purpose. In addition, a catalog was built with the responses of attributes and classifications in the aforementioned structures. Finally, an evaluation of the correlation between the attributes studied and the effective porosity was developed, where it was verified that there is a good correlation between the textural attributes and the upscale porosity in the Itapema Formation.135 f.Lupinacci, Wagner MoreiraAbreu, Elita Selmara deMatos, Marcilio Castro deFreire, Antonio Fernando MenezesMachado, Julia Pires de Oliveira2025-11-25T21:01:15Z2025-11-25T21:01:15Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfMACHADO, Julia Pires de Oliveira. Classificação bayesiana de fácies utilizando atributos sísmicos texturais e impedância acústica em um campo do pré-sal da Bacia de Santos. 2023. 135 f. Dissertação (Mestrado em Dinâmica dos Oceanos e da Terra) - Programa de Pós-Graduação em Dinâmica dos Oceanos e da Terra, Instituto de Geociências, Universidade Federal Fluminense, Niterói, 2023.https://app.uff.br/riuff/handle/1/41275CC-BY-SAinfo:eu-repo/semantics/openAccessporreponame:Repositório Institucional da Universidade Federal Fluminense (RIUFF)instname:Universidade Federal Fluminense (UFF)instacron:UFF2025-11-25T21:01:15Zoai:app.uff.br:1/41275Repositório InstitucionalPUBhttps://app.uff.br/oai/requestriuff@id.uff.bropendoar:21202025-11-25T21:01:15Repositório Institucional da Universidade Federal Fluminense (RIUFF) - Universidade Federal Fluminense (UFF)false
dc.title.none.fl_str_mv Classificação bayesiana de fácies utilizando atributos sísmicos texturais e impedância acústica em um campo do pré-sal da Bacia de Santos
title Classificação bayesiana de fácies utilizando atributos sísmicos texturais e impedância acústica em um campo do pré-sal da Bacia de Santos
spellingShingle Classificação bayesiana de fácies utilizando atributos sísmicos texturais e impedância acústica em um campo do pré-sal da Bacia de Santos
Machado, Julia Pires de Oliveira
Classificação bayesiana de fácies
Atributos sísmicos texturais
Grey level co-occurence matrix
Caracterização de reservatórios carbonáticos
Pré-sal
Bacia de Santos
Caracterização de reservatório
Classificação bayesiana de fácies
Pré-sal
Bacia de Santos
Bayesian facies classification
Seismic texture attributes
Gray level co-occurence matrix
Carbonate reservoirs characterization
Pre-salt
Santos Basin
title_short Classificação bayesiana de fácies utilizando atributos sísmicos texturais e impedância acústica em um campo do pré-sal da Bacia de Santos
title_full Classificação bayesiana de fácies utilizando atributos sísmicos texturais e impedância acústica em um campo do pré-sal da Bacia de Santos
title_fullStr Classificação bayesiana de fácies utilizando atributos sísmicos texturais e impedância acústica em um campo do pré-sal da Bacia de Santos
title_full_unstemmed Classificação bayesiana de fácies utilizando atributos sísmicos texturais e impedância acústica em um campo do pré-sal da Bacia de Santos
title_sort Classificação bayesiana de fácies utilizando atributos sísmicos texturais e impedância acústica em um campo do pré-sal da Bacia de Santos
author Machado, Julia Pires de Oliveira
author_facet Machado, Julia Pires de Oliveira
author_role author
dc.contributor.none.fl_str_mv Lupinacci, Wagner Moreira
Abreu, Elita Selmara de
Matos, Marcilio Castro de
Freire, Antonio Fernando Menezes
dc.contributor.author.fl_str_mv Machado, Julia Pires de Oliveira
dc.subject.por.fl_str_mv Classificação bayesiana de fácies
Atributos sísmicos texturais
Grey level co-occurence matrix
Caracterização de reservatórios carbonáticos
Pré-sal
Bacia de Santos
Caracterização de reservatório
Classificação bayesiana de fácies
Pré-sal
Bacia de Santos
Bayesian facies classification
Seismic texture attributes
Gray level co-occurence matrix
Carbonate reservoirs characterization
Pre-salt
Santos Basin
topic Classificação bayesiana de fácies
Atributos sísmicos texturais
Grey level co-occurence matrix
Caracterização de reservatórios carbonáticos
Pré-sal
Bacia de Santos
Caracterização de reservatório
Classificação bayesiana de fácies
Pré-sal
Bacia de Santos
Bayesian facies classification
Seismic texture attributes
Gray level co-occurence matrix
Carbonate reservoirs characterization
Pre-salt
Santos Basin
description As reservas do Pré-sal possuem grande relevância econômica e representam mais de 70% da produção nacional. A deposição dessas rochas foi controlada por processos complexos que resultaram em carbonatos com grande variação faciológica. Tal heterogeneidade impacta a qualidade do reservatório e gera incertezas nas estimativas de reservas e produção de hidrocarbonetos. Por isso, é pertinente desenvolver de metodologias que forneçam modelos preditivos detalhados acerca dos tipos de fácies presentes na região. Esse estudo realizou duas classificações bayesianas em um campo do Pré-sal da Bacia de Santos através da integração de dados de poços e multiatributos sísmicos para a construção de dois volumes de probabilidade de fácies na escala sísmica. A impedância acústica é um atributo sísmico já consolidado na bibliografia em algoritmos de classificação devido à sua boa correlação com a porosidade. No entanto, apresenta certa ambiguidade, principalmente na diferenciação de reservatórios carbonáticos e fácies lamosas no Pré-sal. Por isso, sua utilização aqui é proposta em conjunto com atributos texturais obtidos a partir do método Grey-Level Co-occurence Matrix. Foi realizado um estudo de viabilidade que avaliou quantitativamente diferentes combinações entre os atributos através de métricas estatísticas. Os melhores resultados foram a impedância acústica combinada com a entropia textural (classificação 2A) e a impedância acústica combinada com a entropia textural e energia espectral textural (classificação 3A). As classificações conseguiram representar as distribuições das fácies nas principais estruturas geológicas de interesse presentes no campo: mound carbonático, plataforma carbonática, banco de coquinas, debris e depósitos de fundo de lago. A metodologia diminuiu o problema da ambiguidade da impedância acústica na discriminação de fácies reservatório e lamosas, evidenciando a utilidade da introdução de atributos texturais para tal fim. Além disso, foi construído um catálogo com as respostas dos atributos e das classificações nas estruturas supracitadas. Por fim, foi realizada uma avaliação da correlação entre os atributos estudados e a porosidade efetiva onde verificou-se que há uma boa correlação entre os atributos texturais e a porosidade upscale na Formação Itapema.
publishDate 2025
dc.date.none.fl_str_mv 2025-11-25T21:01:15Z
2025-11-25T21:01:15Z
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 MACHADO, Julia Pires de Oliveira. Classificação bayesiana de fácies utilizando atributos sísmicos texturais e impedância acústica em um campo do pré-sal da Bacia de Santos. 2023. 135 f. Dissertação (Mestrado em Dinâmica dos Oceanos e da Terra) - Programa de Pós-Graduação em Dinâmica dos Oceanos e da Terra, Instituto de Geociências, Universidade Federal Fluminense, Niterói, 2023.
https://app.uff.br/riuff/handle/1/41275
identifier_str_mv MACHADO, Julia Pires de Oliveira. Classificação bayesiana de fácies utilizando atributos sísmicos texturais e impedância acústica em um campo do pré-sal da Bacia de Santos. 2023. 135 f. Dissertação (Mestrado em Dinâmica dos Oceanos e da Terra) - Programa de Pós-Graduação em Dinâmica dos Oceanos e da Terra, Instituto de Geociências, Universidade Federal Fluminense, Niterói, 2023.
url https://app.uff.br/riuff/handle/1/41275
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv CC-BY-SA
info:eu-repo/semantics/openAccess
rights_invalid_str_mv CC-BY-SA
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:Repositório Institucional da Universidade Federal Fluminense (RIUFF)
instname:Universidade Federal Fluminense (UFF)
instacron:UFF
instname_str Universidade Federal Fluminense (UFF)
instacron_str UFF
institution UFF
reponame_str Repositório Institucional da Universidade Federal Fluminense (RIUFF)
collection Repositório Institucional da Universidade Federal Fluminense (RIUFF)
repository.name.fl_str_mv Repositório Institucional da Universidade Federal Fluminense (RIUFF) - Universidade Federal Fluminense (UFF)
repository.mail.fl_str_mv riuff@id.uff.br
_version_ 1873154987775754240