Daniel Rodrigues de Silos Moraes

Título

Inteligência Computacional na Classificação Litológica

Orientador(es)

Alexandre Gonçalves Evsukoff e Nelson Francisco Favilla Ebecken

Resumo

Métodos de agrupamento de dados são ferramentas importantes em mineração de dados, pois permitem detectar padrões não encontrados explicitamente nos dados armazenados. Neste trabalho, métodos de agrupamento são aplicados a atributos sísmicos visando detectar padrões que permitam identificar diferentes litologias na análise exploratória de petróleo. Atributos sísmicos são gerados a partir de transformações sobre os dados de uma linha sísmica, sendo alguns selecionados para formar um conjunto de dados a ser aplicado pelos diferentes algoritmos de agrupamento de dados. Este trabalho apresenta a utilização de quatro métodos de agrupamento de dados diferentes: As redes neurais conhecidas por Competitiva, SOM (Self-Organizing Maps") e UVQ ("Unsupervised Vector Quantiser") e o algoritmo baseado em teoria de conjuntos nebulosos conhecido por FCM ("Fuzzy C-Means"). Na aplicação de cada método, várias partições são geradas e é aplicada uma função de validação de agrupamento de dados conhecida por índice PBM. Esta função indica o número do particionamento em que os dados foram melhor agrupados e os resultados são apresentados e analisados.

Abstract

Clustering methods are important tools in data mining, allowing the detection of hidden patterns that are not explicitly recorded in data. Their applications to seismic attributes have the aim of detecting seismic patterns that would enable the identification of lithologies in exploration analysis of Petroleum. Seismic attributes are generated from transformation of the data from a seismic line. Some attributes are selected in order to form a data set that is used by the clustering methods. This work presents an application using four distinct clustering methods: artificial neural networks known as Competitive, SOM ("Self-Organizing Maps") and UVQ ("Unsupervised Vector Quantiser") and the algorithm based on fuzzy sets known as FCM ("Fuzzy C-Means"). In the application of each method, several partitions are generated and a cluster validity function, called PBM index, is applied. This function shows the partition number corresponding to the best clustering and the results are presented and analyzed.

Print