Banca de QUALIFICAÇÃO: JOSE FABRICIO LIMA DE SOUZA

Uma banca de QUALIFICAÇÃO de DOUTORADO foi cadastrada pelo programa.
DISCENTE: JOSE FABRICIO LIMA DE SOUZA
DATA: 31/08/2018
HORA: 09:00
LOCAL: AUDITÓRIO DO PPGEM
TÍTULO: IDENTIFICAÇÃO DE REGIÕES PROPENSAS AO ACÚMULO DE HIDROCARBONETOS EM IMAGENS SÍSMICAS ATRAVÉS DE DESCRITORES DE TEXTURAS E CLASSIFICADORES BASEADOS EM REDES NEURAIS ARTIFICIAIS.
PALAVRAS-CHAVES: Imagem Sísmica, Prospecção de Petróleo, Descritores de Textura, Classificação de Padrões, Redes Neurais Artificiais.
PÁGINAS: 60
RESUMO: A determinação de regiões propensas ao acumulo de hidrocarbonetos é uma atividade que envolve uma análise profunda de dados geofísicos e geológicos das bacias sedimentares. Entre os métodos geológicos, o método sísmico de reflexão é o mais utilizado atualmente tendo em vista o alto custo de realização. A partir deste método é gerada a imagem sísmica a ser analisada de forma manual, por intérpretes, para fins de indicar situações favoráveis ao acumulo de petróleo. Tal interpretação requer uma quantidade de tempo considerável, além de ser uma tarefa trabalhosa mesmo para um intérprete experiente. Outra dificuldade na análise de imagens sísmicas é que, embora os intérpretes sejam qualificados na identificação de fáceis, esse reconhecimento é muitas vezes resultado de conhecimento implícito do avaliador, e de difícil apresentação explícita como uma técnica ou metodologia claramente replicável. O propósito deste trabalho é apresentar um método automático de detecção de padrões em imagens sísmicas utilizando descritores de textura, e com isso correlaciona-los com regiões propensas à formação de hidrocarbonetos. O método é baseado no uso de Redes Neurais Artificiais (RNA) em conjunto com estes descritores para fins de classificação de regiões onde possam ser encontrado acúmulo de petróleo. A seleção dos atributos e parâmetros da rede foram definidos através de um planejamento experimental k-fatorial. O desempenho dos classificadores foram avaliados com base nos valores das métricas de acurácia, precisão, especificidade e F1-score. Os resultados mostram, na melhor configuração da rede, 98,64% acurácia, 99,96% precisão, 99,95% especificidade e 98,66% F1-score para os testes de classificação às cegas.
MEMBROS DA BANCA:
Presidente - 1559497 - MOISES DANTAS DOS SANTOS
Interno - 1753873 - ABEL CAVALCANTE LIMA FILHO
Externo ao Programa - 2344244 - GUSTAVO CHARLES PEIXOTO DE OLIVEIRA
Externo ao Programa - 1175878 - LUCIDIO DOS ANJOS FORMIGA CABRAL