Manuel Ramón Vargas Avila
Apresenta-se, nesta tese, duas metodologias para os problemas de predição de propriedades petrofísicas e caracterização textural de amostras de rocha empregando em ambos os casos imagens de tomografia de testemunhos. Estes dois problemas fazem parte do fluxo de caracterização de rochas, no processo de tomada de decisão nas etapas iniciais da análise de rocha e no processo de upsampling das propriedades na escala do testemunho. As abordagens tradicionais para abordar estes problemas consomem uma grande quantidade de tempo e de recursos dificultando o processo de caracterização de rochas.
Neste trabalho, um método baseado na arquitetura de Rede Neural Convolucio-nal (CNN) é proposto para predição de um perfil de porosidade em alta frequência na escala do testemunho com uma resolução maior que as abordagens utilizadas atualmente. Os resultados obtidos foram satisfatórios validando a metodologia pro-posta. Em relação ao processo de caracterização textural, atualmente, é feito de forma manual pelos especialistas sendo uma tarefa complexa e subjetiva. Assim, com o propósito de automatizar este processo foram testadas diferentes configura-ções de modelos convolucionais, treinados de forma supervisionada empregando a imagem de tomografia e a segmentação feita manualmente por especialistas da Pe-trobras. Os resultados obtidos são promissores, mas revelam alguns problemas que podem estar relacionados com a dificuldade do processo de anotação e o alto nível de desbalanceamento na base de dados.
http://www.coc.ufrj.br/pt/teses-de-doutorado/641-2022/9959-manuel-ramon-vargas-avila