Dissertação
{pt_PT=Facies Classification using Seismic Inversion and Machine Learning Methodologies} {} EVALUATED
{pt=Uma interpretação sísmica precisa é crucial para entender a geologia de uma área de interesse. No entanto, quando realizada de forma convencional, por geocientistas, é considerada uma tarefa difícil e demorada. Ao longo dos anos, várias abordagens alternativas e complementares foram propostas e, recentemente, métodos de aprendizagem automática foram implementados com sucesso no processo de classificação de fácies. Nesta tese métodos determinísticos e geoestatísticos de inversão sísmica serão explorados e comparados com os resultados de um workflow automatizado realizado pelo GeoScience Advisor (GSA), um sistema desenvolvido pela Galp e IBM que auxilia especialistas em decisões que envolvem a caracterização geológica baseada em dados sísmicos, utilizando vários métodos de aprendizagem automática. , en=An accurate and precise seismic interpretation is vital to understand the geology of a target area. However, when performed in the conventional way, by human interpreters, it is considered to be a difficult and time-consuming task. Over the years several alternative and complementary approaches have been proposed and recently machine learning methods have been successfully implemented in the facies classification process. In this thesis deterministic and geostatistic seismic inversion methods will be explored and compared to the results of an automated workflow performed by the GeoScience Advisor (GSA), a system developed both by Galp and IBM that assists experts with decisions involving geological characterization based on seismic data through the use of multiple machine learning methods.}
janeiro 22, 2021, 9:0
Publicação
Obra sujeita a Direitos de Autor
Orientação
ORIENTADOR
Leonardo Azevedo Guerra Raposo Pereira
Departamento de Engenharia Civil, Arquitectura e Georrecursos (DECivil)
Professor Auxiliar
