01 Ago

Octopus: evaluación de la calidad sísmica

Escrito por  0 Comentarios

Facilita la evaluación de la calidad sísmica en áreas de interés exploratorio. Cuenta con utilidades tipo Business Intelligence para el procesamiento de metadatos, GIS y visualización 3D.

Octopus fue elegido como mejor trabajo en exploración sísmica en el XII Congreso Colombiano del Petróleo y Gas.

Uno de los principales objetivos del proyecto es encontrar la relación existente entre la Calidad Sísmica y los parámetros de adquisición, procesamiento y las condiciones própias del terreno. Estas condiciones las hemos llamado atributos y fueron divididas en los siguientes grupos:

De esta manera, la relación entre la Calidad Sísmica y sus atributos (A) se puede representar como:

C = f(A)

Donde A es todo el conjunto de atributos y f explica la relación funcional entre la Calidad Sísmica y los atributos. Ante la evidente dificultad de definir f, nos hemos propuesto conocer de manera cualitativa el comportamiento de esta relación, lo cual es absolutamente válido para nuestros propósitos.

Antes de abordar este problema debemos definir que es la calidad sísmica, la cual para los efectos de este trabajo es definida como: 

La Calidad Sísmica es una medida del grado de interpretabilidad de una sección sísmica. Se evaluá observando que los reflectores mantengan su respuesta sísmica característica (carácter sísmico), de tal manera que sean diferenciables de otros, y sea posible seguirlos a través del Punto de Estudio.  

Adicionalmente definiremos otro término que hemos de utilizar más adelante: 

Un Punto de Estudio es un punto georreferenciado sobre el cual se realiza la evaluación de la Calidad Sísmica a nivel de disparo o en la imagen (apilada o migrada). La evaluación del Punto de Estudio comprende cierta vecindad de dicho Punto de Estudio. Una sección sísmica puede tener varios Puntos de Estudio. 

Minería de datos:

Una vez definido lo que para nosotros significa calidad sísmica y haber recuperado y colectados los atributos, agregamos una utilidad de minería de datos a nuestra herramienta, la cual nos ayudar ´a a buscar y estimar correlaciones que por la gran cantidad de datos a analizar no son evidentes.  

La Minería de Datos es un conjunto de técnicas para la inducción de conocimiento útil a partir de masas muy grandes de datos. Tiene, por lo tanto, un solapamiento importante con otras disciplinas como la estadística tradicional, el reconocimiento de patrones y la inteligencia artificial. Se la suele distinguir de ellas por el campo de aplicación: es aceptado que la minería de datos estudia información acumulada en empresas y otras organizaciones acerca de sus clientes o usuarios, y las interacciones de éstos con aquellas de manera que el conocimiento que pueda extraerse sirva para mejorar la rentabilidad, el nivel de servicio, redefinir estrategias de marketing y otras.

En nuestro caso, queremos determinar las correlaciones y patrones existentes en los datos que no son evidentes a simple vista, para lograr un mejor entendimiento de la relación entre la Calidad Sísmica y lo que hemos llamado atributos. Con este objetivo hemos implementado 3 algoritmos de minería de datos: matriz de correlación, similitud por correlación y redes neuronales (entrenamiento y predicción).  

La matriz de correlación es especialmente útil para determinar la relación entre un grupo de atributos y la Calidad Sísmica. Se aplica principalmente en áreas extensas (análisis a nivel regional), usando esta técnica hemos podido determinar cuales son los parámetros de adquisición que tienen mayor o menor influencia sobre la Calidad Sísmica por cuenca, vea ejemplo en la siguiente Tabla 

La similitud por correlación permite identificar líneas sísmicas con características similares de acuerdo a un conjunto de parámetros seleccionados. Esta opción es de utilidad para hacer una análisis comparativo de varias líneas sísmicas usando una de ellas como referencia para el análisis, de esta manera se podría tomar como línea de referencia aquella que presente las mejores características de Calidad Sísmica y compararla con un grupo de líneas y determinar los parámetros que son comunes con la buena Calidad Sísmica.  

Por último, con las redes neuronales podremos identificar patrones de parámetros que produzcan la mejor Calidad Sísmica para aplicarlos a otras zonas y determinar de acuerdo a las condiciones geológicas y topográficas, los parámetros que producirían la mejor Calidad Sísmica. A diferencia de la matriz de correlación, esta técnica permite centrar el análisis en zonas específicas. 

Para la aplicación de estos algoritmos debemos tener la mayor cantidad de datos disponible con toda la información cargada en bases de datos. Para los propósitos de este trabajo el inventário aproximado de información útil tiene aproximadamente 1500 metadatos, como se muestra en la Tabla de abajo. A nuestra herramienta la hemos denominado OCTOPUS, pues refleja en parte la versatilidad, y la consulta y múltiples búsqueda sobre diferentes fuentes de información y con el uso de múltiples técnicas.  

 

Tecnologías involucradas:

Deja un comentario

Asegúrese de introducir toda la información requerida, indicada por un asterisco (*). No se permite código HTML.