Perfis sintéticos de razões elementares para avaliação da qualidade faciológica de reservatórios da Fm. Cabeças, Bacia do Parnaíba.

• Ano de defesa: 2025
• Autor(a) principal: Padoves, Henrique Antunes
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Biblioteca Digitais de Teses e Dissertações da USP
• Palavras-chave em Português: Aprendizado computacional; Cabeças formation; Electrofacies; Hidrocarbonetos; Machine learning; Parnaíba Basin; Poços; Reservatórios; Synthetic logs
• Link de acesso: https://www.teses.usp.br/teses/disponiveis/3/3134/tde-21072025-080419/

A bacia do Parnaíba, de idade paleozóica, tem se mostrado prolífica na produção de hidrocarbonetos, especialmente gás, ao longo da última década. Os principais reservatórios são os arenitos das Formações Cabeças, Longá, Poti e Piauí, de idades Devoniana a Carbonífera. O conhecimento dessas formações vem de observações de afloramentos nas bordas da bacia e dados de perfis em poços na porção central. A perfuração de poços é dispendiosa, o que limita a profundidade atingida e a avaliação do potencial de hidrocarbonetos, resultando na aquisição de dados de perfis mais básicos. Portanto, é imperativo que cada locação seja selecionada com a máxima precisão, visando identificar as fácies reservatório mais promissoras para acumulações significativas de hidrocarbonetos. O método predominante para inferir a distribuição dessas fácies é o agrupamento baseado em perfis de poços. Foram utilizados 18 poços de petróleo, alguns com dados de raios gama espectral. Para os poços sem esses dados, foram criadas curvas sintéticas de Tório, Urânio e Potássio a partir dos perfis convencionais com o auxílio de modelos de aprendizado de máquina baseados em processos decisórios e agrupamentos utilizando mapas autoorganizáveis. As curvas sintéticas geradas apresentaram um coeficiente de determinação (R²) superior a 0,9 para cada elemento nos dados de treino, garantindo sua aplicação segura nos modelos de agrupamento. Observou-se uma alta correlação positiva entre as razões de raios gama espectral e os ambientes deposicionais descritos em amostras de testemunho de rocha. Essas razões foram incorporadas aos modelos de distribuição de fácies para a Formação Cabeças, tendo sido o agrupamento com 6 classes o que melhor representa os dados de rocha provenientes de testemunhos. O estudo demonstrou a viabilidade de extrapolar esse modelo para o restante da bacia, incorporando mais dados de rocha para calibração. Isso pode aumentar o sucesso exploratório e enriquecer a base de informações, gerando curvas onde não foram adquiridas, seja por limitações operacionais ou outros fatores imprevistos.