Banca de DEFESA: THIAGO NOBORU LEITE KIAM

Uma banca de DEFESA de MESTRADO foi cadastrada pelo programa.
DISCENTE : THIAGO NOBORU LEITE KIAM
DATA : 28/05/2024
HORA: 10:00
LOCAL: Videoconferência / Canal Youtube PPGG
TÍTULO:

APLICAÇÃO DE SIMULAÇÃO NUMÉRICA E APRENDIZADO
PROFUNDO UTILIZANDO IMAGENS DE MICRO-CT DE ROCHAS RESERVATÓRIO

PALAVRAS-CHAVES:

Petrofísica computacional. Rocha digital. Microtomografia. Simulação numérica. Permeabilidade.

PÁGINAS: 136
RESUMO:

As rochas carbonáticas constituem importantes reservatórios de recursos minerais, entretanto, apresentam alto grau de anisotropia e heterogeneidade, com diversos tipos de poros e escalas que desafiam a indústria e a comunidade científica. Estudos petrofísicos digitais visam obter parâmetros intrínsecos da rocha por meio de imagens de microtomografia de raios-X. O presente estudo tem como objetivo a identificação dos poros e a estimativa de parâmetros petrofísicos a partir da segmentação, predição e simulação numérica 3D em imagens de rochas carbonáticas da Formação Jandaíra, Bacia Potiguar, Rio Grande do Norte, Brasil. As imagens foram adquiridas por microtomografia de raios-X, na resolução de 35 micrometros, e representam slices transversais das rochas. No pré-processamento, foi realizado o corte das imagens e a segmentação dos poros, com o método de Otsu. Para o aprendizado profundo de máquina, foram utilizados três modelos de redes neurais convolucionais aplicados nas imagens 2D de micro-CT. O simulador numérico adota o método dos elementos finitos (M.E.F) para efetuar seus cálculos. A física simulada foi configurada sendo um fluido monofásico, em estado estacionário, regime laminar, com densidade de 1000 kg/m3 e viscosidade de 0,001 Pa.s. A diferença de pressão entre a entrada e a saída desse fluido foi estabelecida em 1 Pa. Em termos de rochas digitais, os resultados foram satisfatórios e promissores. A segmentação possibilitou a classificação de estilólitos e vugs bem desenvolvidos. As estimativas petrofísicas variaram entre 0,70% e 7,99% de porosidade efetiva, e 7,79 mD e 3000 mD de permeabilidade simulada. Quanto ao aprendizado profundo, o modelo Alexnet, com critério SGD e otimizador MSE apresentou o melhor desempenho.

MEMBROS DA BANCA:
Externo à Instituição - JOSÉ AGNELO SOARES - UFCG
Interno - 1714488 - LEANDSON ROBERTO FERNANDES DE LUCENA
Externo ao Programa - 2411277 - MANILO SOARES MARQUES - nullInterno - 1506706 - MILTON MORAIS XAVIER JUNIOR