Frederico Silva de Azevedo Ribeiro
Título
Aplicação de Análise Multivariada na Predição de Perfis Faltantes de Poços no Campo de Namorado
Resumo
Neste trabalho é apresentado um método eficaz para a predição de perfis geofísicos faltantes em poços, demonstrando a eficiência do método proposto pela aplicação a um conjunto de poços do Campo de Namorado, localizado na Bacia de Campos. Estes perfis geofísicos faltantes são obtidos, neste trabalho, através da aplicação de técnicas estatísticas de classificação supervisionada. Para a modelagem dos perfis sintéticos utilizou-se o software SAS Enterprise Guide®. A técnica utilizada para a estimação dos perfis faltantes foi a regra KNN, que rotula uma amostra com base na classificação dos seus K-ésimos vizinhos mais próximos, no espaço multidimensional. A métrica adotada é a distância euclidiana e a base de dados de treinamento adotada foi obtida através da amostragem aleatória de 30% da base total de dados disponíveis, o que garantiu a representatividade da regra sem viciar as estimativas. Neste trabalho os resultados obtidos pela técnica KNN são comparados com os resultados fornecidos por técnicas alternativas, demonstrando que a técnica proposta apresentou desempenho igual ou superior, mas com menor custo computacional. A fim de atenuar erros pontuais de estimativa adotou-se um procedimento de suavização das curvas sintéticas através de um filtro de média móvel com uma janela de três amostras. Esse procedimento se mostrou adequado para a maioria dos casos, especialmente para as curvas sintéticas do perfil de densidade e do perfil sônico. A eficiência na predição de curvas faltantes, em termos de correlação com a forma, semelhança de valores e nível de resolução, em relação às curvas reais foi, em geral, muito satisfatória. No entanto, o desempenho observado não foi o mesmo para todas as curvas. Foram obtidos resultados excelentes para a predição dos perfis de densidade e sônico, resultados muito bons para os perfis de porosidade de nêutrons e raios gama, e resultados apenas razoáveis para o perfil de resistividade profunda por indução.
Abstract
A method to evaluate missing well logs is proposed here and its efficiency is demonstrated by real case application on Namorado field, Campos Basin, offshore Brazil. In this work was used the supervised classification procedure KNN, which rotulates a given data sample based on its K-nearest neighbours, in the multidimensional space. Software SAS Enterprise Guide® was used to apply such technique. The metric used in this work was the euclidian distance and the data base for rule training was obtained by random sampling of 30% of the whole available data base, providing rule representative ness without estimation bias. In this work KNN results are compared with results of alternative techniques, demonstrating superior performance of the proposed technique with a lower computational cost. In order to attenuate local prediction errors, a curve smoothing was used by the application of a running average procedure with window of three samples. This procedure was suitable for most of the cases, specially for synthetic curves of density and sonic well logs. The general achieved prediction performance was very satisfactory, in terms of curve shape, predicted values and data resolution in comparison with real logged data. Nevertheless, the performance was not the same for all well logs. Outstanding predictions were obtained for density and sonic logs, very good results were achieved for neutron porosity and gama ray logs, and finally, only reasonable predictions were reached for the deep induction resistivity curve.
