APLICAÇÃO DE APRENDIZADO DE MÁQUINA PARA ESTIMATIVA DA PERMEABILIDADE UTILIZANDO DADOS DE RMN DE ROCHAS RESERVATÓRIO
Permeabilidade; Porosidade; Carbonáticos; Ressonância Magnética; Aprendizado de Máquina.
Esta dissertação de mestrado aborda a relevância dos estudos de rochas análogas aos reservatórios na indústria do petróleo, enfocando os parâmetros cruciais de porosidade e permeabilidade. Enquanto as técnicas petrofísicas tradicionais fornecem valores absolutos desses parâmetros, a ausência de informações precisas sobre suas causas destaca a utilização de outras técnicas mais avançadas para uma análise sistemática dos reservatórios. Embora a Ressonância Magnética Nuclear demonstre eficácia na obtenção de informações sobre o reservatório, especialmente na previsão de permeabilidade, os modelos analíticos existentes mostram limitações de sensibilidade em padrões específicos, particularmente em reservatórios carbonáticos complexos. Diante dessa lacuna, este estudo propõe aprimorar as previsões e modelagem, empregando modelos de aprendizado de máquina, como o Random Forest Regressor. O objetivo é identificar de maneira mais precisa os padrões nas respostas dos dados de Ressonância, proporcionando melhorias significativas nas previsões e compreensão do comportamento do reservatório. Foi observado que os resultados das previsões a partir do Random Forest obteve uma melhor resposta a partir dos dados de Ressonância.