Saber UCV
Repositorio Institucional
Repositorio Institucional
Please use this identifier to cite or link to this item:
https://saber.ucv.ve/handle/10872/18932
|
| Title: | Caracterización geofísica de de la formación Salina , en el campo Santa Teresa, Cuenca Talasa-Perú |
| Authors: | Chonón N., Ana Z. |
| Keywords: | Perú Cuenca Talara-Perú Sísmica -Atributos Campo Santa Teresa-Perú Formación Salina-Perú |
| Issue Date: | 27-Jun-2018 |
| Series/Report no.: | POST CH455 2017; |
| Abstract: | Se realizó una caracterización geofísica aplicando un método para predecir registros de pozos a partir de datos sísmicos. Los datos de análisis consisten en una serie de registros de pozos objetivos correlacionados a un volumen sísmico 3-D. Los registros objetivos a predecir fueron porosidades totales y volumen de arcilla. A partir del volumen sísmico 3-D se calculó una serie de atributos sísmicos, que fueron analizados, para luego ser introducidos a la metodología de predicción como atributos externos, tales como la impedancia acústica y cubos de frecuencia derivados de la descomposición espectral. La metodología aplicada en la predicción de las propiedades petrofísicas, fue la transformada multiatributo. El objetivo fue derivar una transformación multiatributo, lineal o no lineal, entre los atributos sísmicos y los registros de pozo a predecir. El conjunto de atributos sísmicos se determinó mediante la regresión lineal de paso aprendido. En el modo no lineal, se construyó una red neuronal utilizando los atributos seleccionados como entradas. El método se aplicó para la caracterización de la Formación Salina en el campo Santa Teresa, Cuenca Talara - Perú. Se observó una continua mejora en el poder predictivo a medida que se avanzó desde la regresión de atributo simple, a la predicción lineal multiatributo y luego a la predicción de la red neuronal. Este último resultó ser el método con mayor exactitud de predicción. Se generaron mapas de las pseudo-propiedades estimadas por transformada multiatributo no lineal, las cuales junto con los mapas de atributos e imágenes RGB, permitieron caracterizar el área en estudio. |
| URI: | http://hdl.handle.net/10872/18932 |
| Appears in Collections: | Maestría |
Files in This Item:
|
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.