Erica Tavares de Morais
Título
Aplicações de Técnicas de Inteligência Artificial para Classificação Genética de Amostras de Óleo da Porção Terrestre, Bacia Potiguar, Brasil
Resumo
A Geoquímica Orgânica é uma poderosa ferramenta no auxílio à exploração de petróleo. Com o passar dos anos e o constante desenvolvimento das técnicas analíticas, tem-se observado uma incalculável proliferação de dados, onde conhecimento se encontra “escondido”. A busca por novos padrões de informações e a rapidez nas respostas são variáveis que assombram especialistas na exploração de petróleo. Neste contexto, este trabalho descreve a aplicação de duas técnicas de Inteligência Artificial (Árvores de Decisão - AD’s e Redes Neurais Artificiais – RNA’s) no auxílio à determinação das classes genéticas em amostras de óleo com bases em parâmetros geoquímicos. Para o desenvolvimento do trabalho, foi escolhida a Bacia Potiguar (porção terrestre) por possuir mais de um Sistema Petrolífero conhecido e uma vasta literatura a respeito do assunto. A primeira etapa do estudo consistiu na amostragem a partir do banco de dados original. Para isto, foi proposta uma metodologia que agrega a seleção aleatória tradicional com Análise de Cluster, que se mostrou bastante eficiente. Em um segundo momento, foi realizado um refinamento na classificação genética pré-existente dos óleos, e estas novas classes foram aplicadas na terceira etapa do trabalho, onde foram gerados os modelos a partir das técnicas de AD’s e RNA’s. A última etapa consistiu na avaliação dos resultados obtidos por cada técnica através de um estudo comparativo. Os resultados obtidos mostram que é possível desenvolver, com sucesso, algoritmos eficientes para determinar a classe genética em amostras de óleo, auxiliando assim no processo de tomada de decisões em Geoquímica Orgânica.
Abstract
Organic Geochemistry is a powerful tool for petroleum exploration. As time goes by, the constant development of the analytical techniques, has produced an impressive proliferation of data where much information is “hidden”. The search for new patterns of information and the speed in the answers are variables that astonish specialists in petroleum exploration. In this context, this work describes the application of two techniques of Artificial Intelligence (Decision Trees and Neural Networks) as an aid to the determination of the genetic classes of oil samples based on geochemical parameters. For the development of this work, the Potiguar Basin (onshore) was chosen, because it contains more than one Petroleum System and a vast literature about the subject. The first stage of the study consisted in sampling from the original database. A methodology was proposed that joins the traditional random selection with Cluster Analysis. This combination was shown to be quite efficient. In a second step, a refinement was accomplished in the previous genetic classification of the oils, and these new classes were applied to the third stage of this work, in which models were generated using the techniques of Decision Trees and Neural Networks. The last stage consisted in the evaluation of the results obtained by each technique by a comparative study. The results show that it is possible to successfully develop, efficient algorithms to determine the genetic classes in oil samples, thus helping decision making process in Organic Geochemistry.
