Compartilhamento |
|
Use este identificador para citar ou linkar para este item:
https://tedebc.ufma.br/jspui/handle/tede/tede/4618
Registro completo de metadados
Campo DC | Valor | Idioma |
---|---|---|
dc.creator | CIPRIANO, Carolina Lima Saraiva | - |
dc.creator.Lattes | http://lattes.cnpq.br/2283883222280895 | por |
dc.contributor.advisor1 | SILVA, Aristófanes Corrêa | - |
dc.contributor.advisor1Lattes | http://lattes.cnpq.br/2446301582459104 | por |
dc.contributor.advisor-co1 | PAIVA, Anselmo Cardoso de | - |
dc.contributor.advisor-co1Lattes | http://lattes.cnpq.br/6446831084215512 | por |
dc.contributor.referee1 | SILVA, Aristófanes Corrêa | - |
dc.contributor.referee1Lattes | http://lattes.cnpq.br/2446301582459104 | por |
dc.contributor.referee2 | PAIVA, Anselmo Cardoso de | - |
dc.contributor.referee2Lattes | http://lattes.cnpq.br/6446831084215512 | por |
dc.contributor.referee3 | CARVALHO FILHO, Antonio Oseas de | - |
dc.contributor.referee3Lattes | http://lattes.cnpq.br/7913655222849728 | por |
dc.contributor.referee4 | CAVALCANTE, André Borges | - |
dc.contributor.referee4Lattes | http://lattes.cnpq.br/3885279033465023 | por |
dc.date.accessioned | 2023-03-31T18:35:36Z | - |
dc.date.issued | 2022-01-20 | - |
dc.identifier.citation | CIPRIANO, Carolina Lima Saraiva. Detecção e delimitação de gás natural em imagens sísmicas Usando MLP-Mixer e U-Net. 2022. 55 f. Dissertação (Programa de Pós-Graduação em Engenharia de Eletricidade/CCET) - Universidade Federal do Maranhão, São Luís, 2022. | por |
dc.identifier.uri | https://tedebc.ufma.br/jspui/handle/tede/tede/4618 | - |
dc.description.resumo | O uso da energia é fundamental para a realização de diversas atividades, desde as mais simples até as mais complexas. Os hidrocarbonetos são uma das principais fontes de energia atualmente utilizadas e são originados a partir da decomposição de compostos orgânicos presentes em camadas geológicas subterrâneas ou marinhas. Para identificar essas camadas e detectar a extensão dos depósitos de hidrocarbonetos, é necessário realizar o levantamento sísmico. Dados sísmicos adquiridos por meio do método de reflexão sísmica são importantes para a prospecção de hidrocarbonetos, mas as técnicas de análise desses dados são complexas para os especialistas e estão sujeitas a erros e divergências. Além disso, os reservatórios de hidrocarbonetos podem ter diferentes tamanhos e formas, variando de grandes e contínuos a pequenos e fragmentados. O crescimento do aprendizado profundo tem trazido grandes destaques para tarefas de segmentação, classificação e detecção de objetos em imagens de diversas áreas. Consequentemente, também cresce o uso de aprendizado de máquina em dados sísmicos. Por essa razão, este trabalho propõe um método automático de detecção e delimitação de regiões de gás natural em imagens sísmicas 2D utilizando a rede neural MLP-Mixer e U-Net. A MLP-Mixer é usada para detectar regiões de interesse que podem conter gás, reduzindo o número de falsos positivos e facilitando a delimitação do gás. A U-Net é utilizada para a tarefa de delimitação da região de gás, que é a etapa mais complexa. Apesar do desbalanceamento natural entre o número de amostras de gás e não gás, a U-Net teve um desempenho satisfatório no método proposto. Os resultados obtidos para a detecção de hidrocarbonetos foram competitivos, com uma acurácia de 99,6% para seções sísmicas inline e 99,55% para seções sísmicas crossline e uma especificidade de 99,79% para seções sísmicas inline e 99,73% para seções sísmicas crossline. | por |
dc.description.abstract | Energy use is essential for carrying out various activities, from the simplest to the most complex. Hydrocarbons are one of the main energy sources currently used and originate from the decomposition of organic compounds in underground or marine geological layers. To identify these layers and detect the extent of hydrocarbon deposits, it is necessary to carry out a seismic survey. Seismic data acquired through the seismic reflection method are important for prospecting hydrocarbons, but the techniques for analyzing these data are complex for specialists and are subject to errors and divergences. In addition, hydrocarbon reservoirs can have different sizes and shapes, ranging from large and continuous to small and fragmented. The growth of deep learning has greatly emphasized segmentation, classification and object detection tasks in images from different areas. Consequently, the use of machine learning on seismic data is also growing. For this reason, this work proposes an automatic method of detection and delimitation of natural gas regions in 2D seismic images using the neural network MLP-Mixer and U-Net. The MLP-Mixer is used to detect regions of interest that may contain gas, reducing the number of false positives and facilitating gas delimitation. U-Net is used for the gas region delimitation task, which is the most complex step. Despite the natural imbalance between the number of gas and non-gas samples, U-Net had a satisfactory performance in the proposed method. The results obtained detecting of hydrocarbons were competitive, with an accuracy of 99.6% for inline seismic sections and 99.55% for crossline seismic sections and a specificity of 99.79% for inline seismic sections and 99.73% for crossline seismic sections. | eng |
dc.description.provenance | Submitted by Jonathan Sousa de Almeida (jonathan.sousa@ufma.br) on 2023-03-31T18:35:36Z No. of bitstreams: 1 CAROLINALIMASARAIVACIPRIANO.pdf: 6343874 bytes, checksum: 89478efe1ddaf76844761bf2d3f8d181 (MD5) | eng |
dc.description.provenance | Made available in DSpace on 2023-03-31T18:35:36Z (GMT). No. of bitstreams: 1 CAROLINALIMASARAIVACIPRIANO.pdf: 6343874 bytes, checksum: 89478efe1ddaf76844761bf2d3f8d181 (MD5) Previous issue date: 2022-01-20 | eng |
dc.description.sponsorship | CNPq | por |
dc.format | application/pdf | * |
dc.language | por | por |
dc.publisher | Universidade Federal do Maranhão | por |
dc.publisher.department | DEPARTAMENTO DE ENGENHARIA DA ELETRICIDADE/CCET | por |
dc.publisher.country | Brasil | por |
dc.publisher.initials | UFMA | por |
dc.publisher.program | PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA DE ELETRICIDADE/CCET | por |
dc.rights | Acesso Aberto | por |
dc.subject | hidrocarbonetos; | por |
dc.subject | imagens sísmicas; | por |
dc.subject | aprendizado de máquina | por |
dc.subject | MLP- Mixer; | por |
dc.subject | U-Net. | por |
dc.subject | hydrocarbons; | eng |
dc.subject | seismic images; | eng |
dc.subject | machine learning; | eng |
dc.subject | MLP-Mixer; | eng |
dc.subject | U-Net. | eng |
dc.subject.cnpq | Ciência da Computação | por |
dc.title | Detecção e delimitação de gás natural em imagens sísmicas Usando MLP-Mixer e U-Net | por |
dc.title.alternative | Detecting and Delimiting Natural Gas in Seismic Images Using MLP-Mixer and U-Net | eng |
dc.type | Dissertação | por |
Aparece nas coleções: | DISSERTAÇÃO DE MESTRADO - PROGRAMA DE PÓS GRADUAÇÃO EM ENGENHARIA DE ELETRICIDADE |
Arquivos associados a este item:
Arquivo | Descrição | Tamanho | Formato | |
---|---|---|---|---|
CAROLINALIMASARAIVACIPRIANO.pdf | Dissertação de Mestrado | 6,2 MB | Adobe PDF | Baixar/Abrir Pré-Visualizar |
Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.