DETECÇÃO DE FALHAS EM DADOS SÍSMICOS 3D UTILIZANDO FUNÇÕES GEOESTATÍSTICAS E SVM

Detalhes bibliográficos
Ano de defesa: 2015
Autor(a) principal: Motta, Suellen de Araujo Caduda da Silva lattes
Orientador(a): SILVA, Aristófanes Corrêa lattes
Banca de defesa: Fonseca Neto, João Viana da lattes
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Universidade Federal do Maranhão
Programa de Pós-Graduação: PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA DE ELETRICIDADE/CCET
Departamento: Engenharia
País: BR
Palavras-chave em Português:
Reconhecimento de padrões
Máquina de vetores de suporte
Palavras-chave em Inglês:
Pattern recognition
Support vector machine
Área do conhecimento CNPq:
CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO
Link de acesso: http://tedebc.ufma.br:8080/jspui/handle/tede/286
Resumo: 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.
id UFMA_28d43451c194260407bccf73d53ce884
oai_identifier_str oai:tede2:tede/286
network_acronym_str UFMA
network_name_str Biblioteca Digital de Teses e Dissertações da UFMA
repository_id_str
spelling SILVA, Aristófanes CorrêaCPF:28874536372http://lattes.cnpq.br/2446301582459104Paiva, Anselmo CardosoCPF:37552384387http://lattes.cnpq.br/6446831084215512Fonseca Neto, João Viana daCPF:2199749048http://lattes.cnpq.br/0029055473709795CPF:00000101000http://lattes.cnpq.br/7407538042077899Motta, Suellen de Araujo Caduda da Silva2016-08-17T14:52:37Z2015-02-272015-02-02MOTTA, Suellen de Araujo Caduda da Silva. FINDING OF FAULT IN 3D SEISMIC DATA USING GEOSTATISTICAL FUNCTIONS AND SVM. 2015. 71 f. Dissertação (Mestrado em Engenharia) - Universidade Federal do Maranhão, São Luís, 2015.http://tedebc.ufma.br:8080/jspui/handle/tede/286This 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.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: 2015-02-02Conselho Nacional de Desenvolvimento Científico e Tecnológicoapplication/pdfporUniversidade Federal do MaranhãoPROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA DE ELETRICIDADE/CCETUFMABREngenhariaReconhecimento de padrõesMáquina de vetores de suportePattern recognitionSupport vector machineCNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAODETECÇÃO DE FALHAS EM DADOS SÍSMICOS 3D UTILIZANDO FUNÇÕES GEOESTATÍSTICAS E SVMFINDING OF FAULT IN 3D SEISMIC DATA USING GEOSTATISTICAL FUNCTIONS AND SVMinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisinfo:eu-repo/semantics/openAccessreponame:Biblioteca Digital de Teses e Dissertações da UFMAinstname:Universidade Federal do Maranhão (UFMA)instacron:UFMAORIGINALDissertacao Suellen de Araujo Caduda da Silva Motta.pdfapplication/pdf13615714http://tedebc.ufma.br:8080/bitstream/tede/286/1/Dissertacao+Suellen+de+Araujo+Caduda+da+Silva+Motta.pdf2d717995db073f7cf237e113b96957a4MD51tede/2862018-01-24 16:20:13.8oai:tede2:tede/286Biblioteca Digital de Teses e Dissertaçõeshttps://tedebc.ufma.br/jspui/PUBhttp://tedebc.ufma.br:8080/oai/requestrepositorio@ufma.br||repositorio@ufma.bropendoar:21312018-01-24T19:20:13Biblioteca Digital de Teses e Dissertações da UFMA - Universidade Federal do Maranhão (UFMA)false
dc.title.por.fl_str_mv DETECÇÃO DE FALHAS EM DADOS SÍSMICOS 3D UTILIZANDO FUNÇÕES GEOESTATÍSTICAS E SVM
dc.title.alternative.eng.fl_str_mv FINDING OF FAULT IN 3D SEISMIC DATA USING GEOSTATISTICAL FUNCTIONS AND SVM
title DETECÇÃO DE FALHAS EM DADOS SÍSMICOS 3D UTILIZANDO FUNÇÕES GEOESTATÍSTICAS E SVM
spellingShingle DETECÇÃO DE FALHAS EM DADOS SÍSMICOS 3D UTILIZANDO FUNÇÕES GEOESTATÍSTICAS E SVM
Motta, Suellen de Araujo Caduda da Silva
Reconhecimento de padrões
Máquina de vetores de suporte
Pattern recognition
Support vector machine
CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO
title_short DETECÇÃO DE FALHAS EM DADOS SÍSMICOS 3D UTILIZANDO FUNÇÕES GEOESTATÍSTICAS E SVM
title_full DETECÇÃO DE FALHAS EM DADOS SÍSMICOS 3D UTILIZANDO FUNÇÕES GEOESTATÍSTICAS E SVM
title_fullStr DETECÇÃO DE FALHAS EM DADOS SÍSMICOS 3D UTILIZANDO FUNÇÕES GEOESTATÍSTICAS E SVM
title_full_unstemmed DETECÇÃO DE FALHAS EM DADOS SÍSMICOS 3D UTILIZANDO FUNÇÕES GEOESTATÍSTICAS E SVM
title_sort DETECÇÃO DE FALHAS EM DADOS SÍSMICOS 3D UTILIZANDO FUNÇÕES GEOESTATÍSTICAS E SVM
author Motta, Suellen de Araujo Caduda da Silva
author_facet Motta, Suellen de Araujo Caduda da Silva
author_role author
dc.contributor.advisor1.fl_str_mv SILVA, Aristófanes Corrêa
dc.contributor.advisor1ID.fl_str_mv CPF:28874536372
dc.contributor.advisor1Lattes.fl_str_mv http://lattes.cnpq.br/2446301582459104
dc.contributor.advisor-co1.fl_str_mv Paiva, Anselmo Cardoso
dc.contributor.advisor-co1ID.fl_str_mv CPF:37552384387
dc.contributor.advisor-co1Lattes.fl_str_mv http://lattes.cnpq.br/6446831084215512
dc.contributor.referee1.fl_str_mv Fonseca Neto, João Viana da
dc.contributor.referee1ID.fl_str_mv CPF:2199749048
dc.contributor.referee1Lattes.fl_str_mv http://lattes.cnpq.br/0029055473709795
dc.contributor.authorID.fl_str_mv CPF:00000101000
dc.contributor.authorLattes.fl_str_mv http://lattes.cnpq.br/7407538042077899
dc.contributor.author.fl_str_mv Motta, Suellen de Araujo Caduda da Silva
contributor_str_mv SILVA, Aristófanes Corrêa
Paiva, Anselmo Cardoso
Fonseca Neto, João Viana da
dc.subject.por.fl_str_mv Reconhecimento de padrões
Máquina de vetores de suporte
topic Reconhecimento de padrões
Máquina de vetores de suporte
Pattern recognition
Support vector machine
CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO
dc.subject.eng.fl_str_mv Pattern recognition
Support vector machine
dc.subject.cnpq.fl_str_mv CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO
description 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.
publishDate 2015
dc.date.available.fl_str_mv 2015-02-27
dc.date.issued.fl_str_mv 2015-02-02
dc.date.accessioned.fl_str_mv 2016-08-17T14:52:37Z
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.citation.fl_str_mv MOTTA, Suellen de Araujo Caduda da Silva. FINDING OF FAULT IN 3D SEISMIC DATA USING GEOSTATISTICAL FUNCTIONS AND SVM. 2015. 71 f. Dissertação (Mestrado em Engenharia) - Universidade Federal do Maranhão, São Luís, 2015.
dc.identifier.uri.fl_str_mv http://tedebc.ufma.br:8080/jspui/handle/tede/286
identifier_str_mv MOTTA, Suellen de Araujo Caduda da Silva. FINDING OF FAULT IN 3D SEISMIC DATA USING GEOSTATISTICAL FUNCTIONS AND SVM. 2015. 71 f. Dissertação (Mestrado em Engenharia) - Universidade Federal do Maranhão, São Luís, 2015.
url http://tedebc.ufma.br:8080/jspui/handle/tede/286
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.format.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Universidade Federal do Maranhão
dc.publisher.program.fl_str_mv PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA DE ELETRICIDADE/CCET
dc.publisher.initials.fl_str_mv UFMA
dc.publisher.country.fl_str_mv BR
dc.publisher.department.fl_str_mv Engenharia
publisher.none.fl_str_mv Universidade Federal do Maranhão
dc.source.none.fl_str_mv reponame:Biblioteca Digital de Teses e Dissertações da UFMA
instname:Universidade Federal do Maranhão (UFMA)
instacron:UFMA
instname_str Universidade Federal do Maranhão (UFMA)
instacron_str UFMA
institution UFMA
reponame_str Biblioteca Digital de Teses e Dissertações da UFMA
collection Biblioteca Digital de Teses e Dissertações da UFMA
bitstream.url.fl_str_mv http://tedebc.ufma.br:8080/bitstream/tede/286/1/Dissertacao+Suellen+de+Araujo+Caduda+da+Silva+Motta.pdf
bitstream.checksum.fl_str_mv 2d717995db073f7cf237e113b96957a4
bitstream.checksumAlgorithm.fl_str_mv MD5
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da UFMA - Universidade Federal do Maranhão (UFMA)
repository.mail.fl_str_mv repositorio@ufma.br||repositorio@ufma.br
_version_ 1853507976996847616

Registros relacionados