Sistema inteligente para estimar a porosidade em sedimentos a partir da análise de sinais GPR

dc.contributor.advisorLima Filho, Francisco Pinheiropt_BR
dc.contributor.advisorIDpor
dc.contributor.advisorLatteshttp://lattes.cnpq.br/9888320802954176por
dc.contributor.authorAraújo, Eduardo Henrique Silveira dept_BR
dc.contributor.authorIDpor
dc.contributor.authorLatteshttp://lattes.cnpq.br/1711036898410191por
dc.contributor.referees1Dória Neto, Adrião Duartept_BR
dc.contributor.referees1IDpor
dc.contributor.referees1Latteshttp://lattes.cnpq.br/1987295209521433por
dc.contributor.referees2Martins, Ronaldo de Andradept_BR
dc.contributor.referees2IDpor
dc.contributor.referees2Latteshttp://lattes.cnpq.br/0978273656336966por
dc.contributor.referees3Florencio, Cláudio Pirespt_BR
dc.contributor.referees3IDpor
dc.contributor.referees3Latteshttp://lattes.cnpq.br/0006270502154615por
dc.contributor.referees4Sábadia, José Antônio Beltrãopt_BR
dc.contributor.referees4IDpor
dc.contributor.referees4Latteshttp://lattes.cnpq.br/0280662216554148por
dc.date.accessioned2014-12-17T14:09:15Z
dc.date.available2013-05-15pt_BR
dc.date.available2014-12-17T14:09:15Z
dc.date.issued2013-01-25pt_BR
dc.description.abstractThis Thesis presents the elaboration of a methodological propose for the development of an intelligent system, able to automatically achieve the effective porosity, in sedimentary layers, from a data bank built with information from the Ground Penetrating Radar GPR. The intelligent system was built to model the relation between the porosity (response variable) and the electromagnetic attribute from the GPR (explicative variables). Using it, the porosity was estimated using the artificial neural network (Multilayer Perceptron MLP) and the multiple linear regression. The data from the response variable and from the explicative variables were achieved in laboratory and in GPR surveys outlined in controlled sites, on site and in laboratory. The proposed intelligent system has the capacity of estimating the porosity from any available data bank, which has the same variables used in this Thesis. The architecture of the neural network used can be modified according to the existing necessity, adapting to the available data bank. The use of the multiple linear regression model allowed the identification and quantification of the influence (level of effect) from each explicative variable in the estimation of the porosity. The proposed methodology can revolutionize the use of the GPR, not only for the imaging of the sedimentary geometry and faces, but mainly for the automatically achievement of the porosity one of the most important parameters for the characterization of reservoir rocks (from petroleum or water)eng
dc.description.resumoEsta tese apresenta a elaboração de uma proposta metodológica para o desenvolvimento de um sistema inteligente, capaz de obter automaticamente a porosidade efetiva, em camadas sedimentares, a partir de um banco de dados construído com informações do Radar de Penetração no Solo (Ground Penetrating Radar GPR). O sistema inteligente foi construído para modelar a relação entre a porosidade (variável resposta) e os atributos eletromagnéticos do GPR (variáveis explicativas). Com ele foi estimada a porosidade utilizando modelo de rede neural artificial (Multilayer Perceptron - MLP) e regressão linear múltipla. Os dados da variável resposta e das variáveis explicativas foram obtidos em laboratório e em levantamentos GPR delineados em sítios controlados em campo e laboratório. O sistema inteligente proposto possui a capacidade de estimar a porosidade a partir de qualquer banco de dados disponível, que envolvam as mesmas variáveis utilizadas nesta tese. A arquitetura da rede neural utilizada pode ser modificada de acordo com a necessidade existente, adequando-se aos bancos de dados disponíveis. A utilização do Modelo de Regressão Linear Múltipla permitiu que fosse identificada e quantificada a influência (grau de efeito) de cada variável explicativa na estimativa da porosidade. A metodologia proposta pode revolucionar o uso do GPR por permitir, não apenas o imageamento das geometrias e fácies sedimentares, mas principalmente a obtenção automática da porosidade um dos parâmetros mais importantes na caracterização de rochas reservatórios (petrolíferos ou aquíferos)por
dc.formatapplication/pdfpor
dc.identifier.citationARAÚJO, Eduardo Henrique Silveira de. Sistema inteligente para estimar a porosidade em sedimentos a partir da análise de sinais GPR. 2013. 143 f. Tese (Doutorado em Pesquisa e Desenvolvimento em Ciência e Engenharia de Petróleo) - Universidade Federal do Rio Grande do Norte, Natal, 2013.por
dc.identifier.urihttps://repositorio.ufrn.br/jspui/handle/123456789/13023
dc.languageporpor
dc.publisherUniversidade Federal do Rio Grande do Nortepor
dc.publisher.countryBRpor
dc.publisher.departmentPesquisa e Desenvolvimento em Ciência e Engenharia de Petróleopor
dc.publisher.initialsUFRNpor
dc.publisher.programPrograma de Pós-Graduação em Ciência e Engenharia do Petróleopor
dc.rightsAcesso Abertopor
dc.subjectPorosidade. GPR. Sistema inteligente. Rede neural artificialpor
dc.subjectPorosity. GPR. Intelligent system. Artificial neural networkeng
dc.subject.cnpqCNPQ::ENGENHARIAS::ENGENHARIA QUIMICA::TECNOLOGIA QUIMICA::PETROLEO E PETROQUIMICApor
dc.titleSistema inteligente para estimar a porosidade em sedimentos a partir da análise de sinais GPRpor
dc.typedoctoralThesispor

Arquivos

Pacote Original

Agora exibindo 1 - 1 de 1
Carregando...
Imagem de Miniatura
Nome:
SistemaInteligenteEstimar_Araujo_2013.pdf
Tamanho:
5.07 MB
Formato:
Adobe Portable Document Format
Carregando...
Imagem de Miniatura
Baixar