Construção de modelos estratigráficos de alta resolução a partir da aplicação de técnicas de análise de sinal: um estudo de caso na Sequência Balbuena IV da Formação Yacoraite, Bacia de Salta, Argentina

Carregando...
Imagem de Miniatura

Título da Revista

ISSN da Revista

Título de Volume

Editor

Universidade Federal de Minas Gerais

Descrição

Tipo

Dissertação de mestrado

Título alternativo

Construction of high-resolution stratigraphic models from the application of signal analysis techniques: a case study in the Balbuena IV Sequence of the Yacoraite Formation, Salta Basin, Argentina

Primeiro orientador

Membros da banca

Resumo

Uma das aplicações mais importantes da estratigrafia de sequências em alta resolução é o zoneamento e caracterização de reservatórios de óleo e gás. Estabelecer um framework cronoestratigráfico hierárquico que compreenda sequências em múltiplas escalas é crucial para identificar as principais heterogeneidades do reservatório, que compartimentalizam o fluxo de fluidos no subsolo. Nesse contexto, esta dissertação propõe um fluxo de trabalho que integra diferentes técnicas de análise de sinais para identificar sequências de múltiplas hierarquias a partir de uma série de dados estratigráficos. As técnicas Continuous Wavelet Transform (CWT), Detrend Error Log (DTEL), e Integrated Detrend Error Log (INDTEL) são utilizadas para processar dados de raios gama obtidos de afloramentos da Formação Yacoraite (Bacia de Salta-ARG), que são convencionalmente utilizados como análogos para caracterização de reservatórios. Nossos resultados sugerem que a CWT se ajusta melhor a ciclos de alta frequência, enquanto o INDTEL apresenta um bom ajuste a ciclos de frequência média. Além dessas técnicas, Modelos de Markov Ocultos também foram aplicados, prevendo ciclos transgressivos-regressivos (T-R) como estados ocultos a partir da matriz de transição de fácies, bem como possíveis ocorrências de missed-beats. Todos esses métodos foram programados na linguagem de programação Python, permitindo a geração de resultados rápidos e interativos. Essa abordagem traz parâmetros que podem guiar a construção de modelos estratigráficos por processos automatizados, dinamizando alguns passos que são rotineiros no dia a dia da interpretação estratigráfica, e também, diminuir a subjetividade que existe na interpretação geológica por meio do pragmatismo matemático dos métodos que estão sendo aplicados.

Abstract

One of the most valuable applications of high-resolution sequence stratigraphy is reservoir zonation and characterization. Establishing a hierarchical chronostratigraphic framework comprising sequences at multiple scales is crucial to identify main reservoir heterogeneities that compartmentalize the fluid flow in the subsurface. In this context, this dissertation proposes a workflow that integrates different signal analysis techniques to identify sequences of multiple hierarchies from a series of stratigraphic data. The Continuous Wavelet Transform (CWT), Detrend Error Log (DTEL), and Integrated Detrend Error Log (INDTEL) techniques are utilized to process gamma-ray data obtained from outcrops of the Yacoraite Formation, which are conventionally employed as analogs for reservoir characterization. Our results suggest that CWT fits better with higher frequency cycles, while INDTEL shows a good fit with medium frequency cycles. In addition to these techniques, Hidden-Markov Models were also applied, predicting T-R cycles as hidden states from the facies transition matrix and possible occurrence of missed beats. This approach brings parameters that can guide the construction of stratigraphic models through automated processes, streamlining some steps that are routine in the day-to-day of stratigraphic interpretation, and also reducing the subjectivity that exists in geological interpretation through the mathematical pragmatism of the methods being applied.

Assunto

Geologia estratigráfica, Fácies (Geologia) – Argentina, Ciência da computação

Palavras-chave

estratigrafia de alta resolução, Continuous Wavelet Transform, DTEL, INDTEL, Hidden-Markov Models, ciclos transgressivos, ciclos regressivos

Citação

Endereço externo

Avaliação

Revisão

Suplementado Por

Referenciado Por