Elaboração da interpretação automática de fraturas nos perfis de imagem utilizando a inteligência artificial

• Almeida Conrado, Victoria ^[1] ; Gomes dos Santos Ribeiro, Mariléa ^[1]
  1. [1] Universidade Federal do Espirito Santo-UFES
• Localización: Latin American Journal of Energy Research - LAJER, ISSN-e 2358-2286, Vol. 10, Nº. 2 (Julho-Dezembro), 2023, págs. 13-22
• Idioma: portugués
• Títulos paralelos:
  • Development of automatic interpretation of fractures in image profiles using artificial intelligence
• Enlaces
  • Texto completo
• Resumen
  • English

    Artificial Intelligence (AI) covers several subsets, with emphasis on machine learning (ML), which has great potential in the oil and gas industry, especially in data analysis and interpretation. The oil industry faces significant technological challenges, given its complexity, where the analysis of geological formation through petrophysical well logging plays a fundamental role in improving the evaluation of these formations. Minimizing damage and reducing costs in the well drilling stage is an activity of great importance. The identification of natural and induced fractures is essential to understanding reservoirs, and both AI and ML can analyze the qualitative and quantitative characteristics of geological formations. The objective of this work is to automate the interpretation of faults through image profiles using Artificial Intelligence, improving the efficiency, precision and speed of these processes. The Python programming language and the Jupyter Notebook tool were used to develop the AI program, where data and images were collected, which were processed and analyzed using libraries such as OpenCV, Numpy and Sklearn.svm. The results obtained demonstrate the effectiveness of AI in identifying fractures in different types of image profiles, including acoustic and resistive images. Artificial Intelligence was able to accurately identify natural fractures, low-amplitude fractures, internal fractures and other geological events. However, the success of AI depends on the quality and quantity of training data. The challenge arising from geological complexity and image resolution still needs to be overcome. The application of AI in the automatic interpretation of fractures in images in the petroleum industry offers significant improvements in the efficiency and speed of the process, contributing to the understanding of the characteristics of rock formations. The result obtained in this work reflects the innovation of the technique and its importance for the agility of processes, reducing steps for interpreting the image profile.

  • português

    A Inteligência Artificial (IA) abrange diversos subconjuntos, com destaque para o aprendizado de máquina (Machine Learning - ML), que possui grande potencial na indústria de petróleo e gás, especialmente na análise e interpretação de dados. A indústria de petróleo enfrenta desafios tecnológicos significativos, dada a sua complexidade, onde a análise da formação geológica por perfilagem petrofísica de poço desempenha um papel fundamental para a melhoria da avaliação dessas formações. A minimização de danos e redução de custos na etapa de perfuração de poços é uma atividade de grande importância. A identificação de fraturas naturais e induzidas é essencial para compreender os reservatórios, e tanto a IA, como o ML, podem analisar as características qualitativas e quantitativas das formações geológicas. O objetivo deste trabalho consiste em automatizar a interpretação de falhas por perfis de imagem usando da Inteligência Artificial, aprimorando a eficiência, a precisão e a velocidade desses processos. A linguagem de programação Python e a ferramenta Jupyter Notebook foram utilizadas para desenvolver o programa de IA, onde se coletou dados e imagens, que foram processados e analisados usando bibliotecas como OpenCV, Numpy e Sklearn.svm. Os resultados obtidos demonstram a eficácia da IA na identificação de fraturas em diferentes tipos de perfis de imagem, incluindo imagens acústicas e resistivas. A Inteligência Artificial conseguiu identificar com precisão fraturas naturais, fraturas de baixa amplitude, fraturas internas e outros eventos geológicos. No entanto, o sucesso da IA depende da qualidade e quantidade dos dados de treinamento. O desafio originado da complexidade geológica e a resolução das imagens ainda precisam ser superados. A aplicação da IA na interpretação automática de fraturas em imagens na indústria de petróleo oferece melhorias significativas na eficiência e rapidez do processo, contribuindo para a compreensão das características das formações rochosas. O resultado obtido neste trabalho reflete a inovação da técnica e a sua importância para a agilidade dos processos, diminuindo etapas para o intérprete do perfil de imagem.