Técnicas de Machine Learning para Classificação Automática de Fácies e de Estratigrafia de Sequência de Sistemas Turbidíticos

DSpace Repository

A- A A+

Técnicas de Machine Learning para Classificação Automática de Fácies e de Estratigrafia de Sequência de Sistemas Turbidíticos

Show full item record

Title: Técnicas de Machine Learning para Classificação Automática de Fácies e de Estratigrafia de Sequência de Sistemas Turbidíticos
Author: Albano, Maria Eduarda Ramos
Abstract: A Unidade Marlim compreende um dos principais sistemas turbidíticos de águas profundas da Bacia de Campos, formado por depósitos associados a canais e lobos submarinos com padrões estratigráficos complexos, construídos durante a transição Oligoceno-Mioceno. A delimitação precisa dos padrões de empilhamento estratigráfico com alta resolução, utilizando apenas dados convencionais de testemunhos e perfis geofísicos, constitui um desafio significativo nesse tipo de depósito. A aplicação de métodos computacionais quantitativos representa uma alternativa que pode auxiliar na análise e na interpretação de dados geofísicos de poços, permitindo investigar os padrões estratigráficos de maneira mais objetiva e reprodutível. Neste trabalho, é apresentada a discriminação de ciclos deposicionais por meio da análise de curvas obtidas pelo método de Análise Integrada do Erro de Predição por Filtro (INPEFA). O objetivo principal consistiu na aplicação do método para identificar ciclos deposicionais em quatro poços do Campo de Marlim, Bacia de Campos, a partir dos perfis de raios gama (GR). Como resultado, o INPEFA permitiu individualizar treze ciclos deposicionais de longo período, compostos por subdivisões em ciclos de médio período. Essas tendências foram identificadas com base na análise dos pontos de inflexão positivos e negativos ao longo da curva. A interpretação das tendências, fundamentada nos princípios da estratigrafia de sequências, permitiu associar variações na curva a possíveis fases transgressivas e regressivas ao longo da sucessão estudada, relacionadas a mudanças no aporte sedimentar e no espaço de acomodação. Os resultados indicam que o método constitui uma ferramenta auxiliar eficaz e reprodutível para o reconhecimento de padrões cíclicos em perfis geofísicos, contribuindo para a construção de um arcabouço estratigráfico de apoio à caracterização de reservatórios turbidíticos em ambientes de águas profundas.
Description: Tecnologia e inovação
URI: https://repositorio.ufsc.br/handle/123456789/275259
Date: 2026-08-31


Files in this item

Files Size Format View Description
VÍDEO IC 2025_2026 - Maria Albano.mp4 37.84Mb MPEG-4 video View/Open Seminário de Iniciação Científica e Tecnológica. Universidade Federal de Santa Catarina. Centro de Filosofia e Ciências Humanas. Departamento de Geologia.

This item appears in the following Collection(s)

Show full item record

Search DSpace


Browse

My Account

Statistics

Compartilhar