Logo do repositório
  • Página Inicial(current)
  • Buscar
    Por Data de PublicaçãoPor AutorPor TítuloPor Assunto
  • Tutoriais
  • Documentos
  • Sobre o RI
  • Eventos
    Repositório Institucional da UFRN: 15 anos de conexão com o conhecimento
  • Padrão
  • Amarelo
  • Azul
  • Verde
  • English
  • Português do Brasil
Entrar

SIGAA

  1. Início
  2. Pesquisar por Autor

Navegando por Autor "Mafra, Mauricio Gabriel Lacerda"

Filtrar resultados informando as primeiras letras
Agora exibindo 1 - 1 de 1
  • Resultados por página
  • Opções de Ordenação
  • Nenhuma Miniatura disponível
    Dissertação
    Aplicação de aprendizado de máquina para estimativa da permeabilidade utilizando dados de RMN de rochas análogas a reservatório
    (Universidade Federal do Rio Grande do Norte, 2024-08-19) Mafra, Mauricio Gabriel Lacerda; Xavier Júnior, Milton Morais; http://lattes.cnpq.br/3128669965557866; https://orcid.org/0000-0003-2720-4655; http://lattes.cnpq.br/7598665592966289; Marques, Manilo Soares; Souza, André Alves de
    Esta dissertação de mestrado aborda a relevância dos estudos de rochas análogas aos reservatórios, dando maior foco no parâmetro petrofísico de permeabilidade. Técnicas petrofísicas tradicionais fornecem valores absolutos desse parâmetro, porém pouco informa os motivos que causam tais valores. Essa ausência de informações precisas levam a utilização de outras técnicas mais avançadas para uma análise sistemática dos reservatórios. Embora a Ressonância Magnética Nuclear demonstre eficácia na obtenção de informações avançadas sobre o reservatório, suas modelagens analíticas para obter a permeabilidade não possuem boa precisão, principalmente quando se trabalha com reservatórios heterogêneos, que demonstram, ainda, algumas limitações. Diante dessa lacuna, este estudo propõe aprimorar as previsões da permeabilidade, empregando os modelos de aprendizado de máquina Random Forest, Gradient Boosting e Multi Layer Perceptron. O objetivo é prever a permeabilidade a partir dos padrões obtidos através da Ressonância Magnética Nuclear, comparar com os modelos analíticos e observar qual modelo se adequa melhor ao reservatório. Foi observado que os modelos de aprendizado de máquina obtiveram melhores previsões em comparação aos modelos analíticos.
Repositório Institucional - UFRN Campus Universitário Lagoa NovaCEP 59078-970 Caixa postal 1524 Natal/RN - BrasilUniversidade Federal do Rio Grande do Norte© Copyright 2025. Todos os direitos reservados.
Contato+55 (84) 3342-2260 - R232Setor de Repositórios Digitaisrepositorio@bczm.ufrn.br
DSpaceIBICT
OasisBR
LAReferencia
Customizado pela CAT - BCZM