Seismic facies classification using multivariate statistics

Fácies sísmicas
Seismic facies
Paulo Roberto Schroeder Johann
resumo nada e ii) supervisionada pelo conhecimento geológi-

co disponível do reservatório estudado.
O método apresentado neste estudo descreve as fácies Os métodos estatísticos multivariados utilizados para
sísmicas como representativas de curvas e matrizes verti- a obtenção dos mapas de unidades de fácies sísmicas
cais de proporções de litotipos. As fácies sísmicas têm um são instrumentos interessantes para a compreensão li-
grande interesse por capturar a repartição espacial (3D) toestratigráfica e petrofísica de um reservatório petrolí-
de variáveis regionalizadas, como por exemplo os litotipos, fero. No caso estudado, essas unidades de fácies sísmi-
grupos de fácies sedimentares e/ou porosidade e/ou ou- cas são interpretadas como representativas do sistema
tras propriedades dos reservatórios e integrá-las na mo- deposicional constituindo o Sistema de Turbiditos de
delagem geológica 3D (Johann, 1997). Namorado, Campo de Namorado, Bacia de Campos.
Assim, as fácies sísmicas, ao serem interpretadas No âmbito do PRAVAP 19 (Programa Estratégico de
como curvas ou matrizes verticais de proporções, per- Recuperação Avançada de Petróleo) estão sendo reali-
mitem a construção de uma ferramenta muito impor- zadas pesquisas de algoritmos para a seleção de novos
tante para a análise estrutural de variáveis regionaliza- atributos otimizados para a aplicação de fácies sísmicas.
das. As matrizes têm importante aplicação em mode- Um exemplo é a extração de atributos a partir da trans-
lagens geoestatísticas. Além disso, a abordagem per- formada de wavelet e a metodologia de análise tempo-
mite obter resultados em profundidade e na escala freqüência. O mesmo PRAVAP 19 também está realizan-
dos perfis de poços, ou seja, os dados sísmicos são do pesquisas para a aplicação otimizada de redes neurais
integrados na caracterização de reservatórios em pro- tipo Kohonen, desenvolvidas por Matos et al. 2003.
fundidade e em mapas de alta resolução.
Descreve-se, aqui, o encadeamento das diversas (originais recebidos em 15.10.2004)
etapas técnicas necessárias à classificação de seg-
mentos de traços sísmicos em grupos de traços Palavras-chave: fácies sísmicas l reconhecimento de padrões sísmicos l
predefinidos de duas abordagens: i) não-supervisio- interpretação sísmica quantitativa
B. Geoci. Petrobras, Rio de Janeiro, v. 12, n. 2, p. 317-355, maio/nov. 2004 317

abstract introdução
The method presented herein describes the Tradicionalmente o intérprete sísmico, ao
seismic facies as representations of curves and vertical mapear horizontes e extrair atributos, o faz em
matrixes of the lithotypes proportions. The seismic uma abordagem qualitativa e mono-variável. As
facies are greatly interested in capturing the spatial amplitudes envolvidas são obtidas de maneira
distributions (3D) of regionalized variables, as for subjetiva de horizontes dependentes de inspe-
example, lithotypes, sedimentary facies groups and/
ção visual, com incertezas de calibração geológica
or porosity and/or other properties of the reservoirs
inerentes ao processo de interpretação, depen-
and integrate them into the 3D geological modeling
dendo da maior ou menor complexidade geo-
(Johann, 1997).
Thus when interpreted as curves or vertical matrixes lógica e/ou qualidade e/ou resolução dos dados
of proportions, seismic facies allow us to build a very sísmicos.
important tool for structural analysis of regionalized Ao utilizar uma abordagem quantitativa, o in-
variables. The matrixes have an important application térprete sísmico estará utilizando algoritmos e re-
in geostatistical modeling. In addition, this approach cursos computacionais em constante processo
provides results about the depth and scale of the wells evolutivo. Esses processos permitirão extrair re-
profiles, that is, seismic data is integrated to the lacionamentos com significados geológicos e/ou
characterization of reservoirs in depth maps and in sísmicos entre os dados que seriam de impossível
high resolution maps. interpretação de maneira manual e apenas por
The link between the different necessary technical inspeção visual. Com a abordagem multivariada,
phases involved in the classification of the segments
o geocientista estará realizando uma pesquisa so-
of seismic traces is described herein in groups of
bre a base de dados (data mining) de maneira
predefined traces of two approaches: i) not-
mais consistente, uma vez que a amplitude de
supervised and ii) supervised by the geological
knowledge available on the studied reservoir. cada amostra sísmica é intrinsecamente depen-
The multivariate statistical methods used to obtain dente das amostras que a circundam, dada a in-
the maps of the seismic facies units are interesting fluência da propagação da onda sísmica (dimen-
tools to be used to provide a lithostratigraphic and são e forma da wavelet) e da resolução espacial
petrophysical understanding of a petroleum reservoir. (zona de Fresnel).
In the case studied these seismic facies units are A metodologia de reconhecimento de padrões
interpreted as representative of the depositional system sísmicos (seismic pattern recognition), denomina-
as a part of the Namorado Turbiditic System, da fácies sísmicas, em uma abordagem quantita-
Namorado Field, Campos Basin. tiva e multivariada, pode ser definida em duas
Within the scope of PRAVAP 19 (Programa Estraté- abordagens, em quatro principais fases (fig. 1).
gico de Recuperação Avançada de Petróleo - Strategic
A primeira, denominada abordagem não-
Program of Advanced Petroleum Recovery) some
supervisionada, onde nenhuma informação ini-
research work on algorithms is underway to select new
cial sobre a geologia é introduzida no condicio-
optimized attributes to apply seismic facies. One
example is the extraction of attributes based on the namento dos resultados. Essa é a abordagem ex-
wavelet transformation and on the time-frequency ploratória por excelência, onde se deixam os “da-
analysis methodology. PRAVAP is also carrying out dos falarem”.
research work on an optimized application of Kohonen A segunda é conhecida como abordagem su-
type neural networks developed by Matos et al. 2003. pervisionada, e nela se integram as informações
a priori referentes à geologia conhecida nos po-
(expanded abstract available at the end of the paper) ços perfurados na área de estudo. Essa é a abor-
dagem calibrada e a mais precisa à medida que
Keywords: seismic facies l seismic pattern recognition l quantitative novos poços são perfurados e introduzidos na
seismic interpretation análise (caráter interativo).
318 Fácies sísmicas - Paulo Roberto Schroeder Johann

Organograma 1
Metodologia de
fácies sísmicas.
Flow chart 1
Seismic facies
methodology.
metodologia de reconhecimento de formas, pode-se explorar

melhor o potencial de resolução e de detecção
reconhecimento de na interpretação dos dados sísmicos.
Para otimizar o mapeamento litoestratigráfico
formas sísmicas e petrofísico dos dados, exploram-se as ligações
paramétricas e não-paramétricas de um conjun-
Na indústria petrolífera, a prática habitual to de variáveis que os caracterizam.
consiste em mapear o tempo duplo de reflexão Dentro do contexto da caracterização sísmica
de horizontes sísmicos (parte cinemática). A ex- litoestratigráfica e/ou petrofísica, busca-se deter-
tração de amplitudes sísmicas (parte dinâmica) minar as unidades de fácies geologicamente sig-
de maneira qualitativa (inspeção visual) e mono- nificativas a partir da análise estatística dos traços
variável (horizonte interpretado) leva em conta sísmicos. Para atingir esse objetivo, integram-se
um só atributo a cada interpretação. os conhecimentos geológicos gerais, os dados de
Na verdade, a complexidade estrutural, perfis de poços, assim como os dados 3D segmen-
litoestratigráfica ou petrofísica da maioria dos re- tados espacial e temporalmente em torno do re-
servatórios de hidrocarbonetos propicia a utiliza- servatório estudado.
ção de técnicas estatísticas ou de redes neurais de A pesquisa das unidades de fácies no conjunto
reconhecimento de formas sísmicas, com a finali- de traços sísmicos permite definir, de modo esta-
dade de uma interpretação quantitativa e tístico e automático, não-somente a arquitetura
multivariada dos dados, considerando-se diversos externa e interna do reservatório, mas também: o
atributos sísmicos simultaneamente. contexto do sistema deposicional; o zoneamento
Em particular, no reconhecimento automáti- estratigráfico espacial; o conteúdo petrofísico,
co de formas a partir de traços sísmicos, valori- acústico, elástico; a assinatura sísmica time-lapse,
zam-se as informações subjacentes aos dados, etc. Esta informação suplementar poderá atuar
que não são exploradas pelos métodos qualitati- como condicionante às simulações geoestatísticas
vos em uma abordagem mono-variável. Com o na modelagem geológica do reservatório.

o conceito de unidades R. Vail, e J. B. Sangree. Este trabalho pode ser
considerado uma referência histórica e conceitual
de fácies sísmicas ou de para a estratigrafia sísmica ou sismoestratigrafia.

A definição de fácies sísmicas e os exemplos de
fácies sísmicas interpretações qualitativas estão bem ilustrados

nos esquemas e nas seções sísmicas publicados
Por definição, a unidade de fácies é uma uni- neste artigo.
dade sísmica construída em três dimensões (em x, Nos anos subseqüentes, na indústria do petró-
CDPs ou traços; em y, as linhas ou cross-lines; em leo, consagraram-se as fácies sísmicas nessa abor-
z, o tempo duplo de reflexão ou a profundida- dagem qualitativa, dependente da inspeção visual.
de). É composta de características de reflexões No que se refere ao reconhecimento quantita-
cujos atributos (tais como a configuração das re- tivo de formas, utilizando métodos estatísticos, um
flexões, a continuidade, a amplitude, a freqüên- dos trabalhos pioneiros é o de Mathieu e Rice (1969).
cia, a impedância, ou a velocidade intervalar ou Outros pesquisadores, como Khattri et al.
outros atributos) se distinguem daqueles das uni- (1979), Sinvhal e Khattri (1983) utilizaram também
dades de fácies sísmicas adjacentes. técnicas de análise discriminante paramétrica para
Desde que os parâmetros de um intervalo de estudar as seqüências areia-argila e argila-carvão a
reflexões, assim como sua forma externa, sejam partir dos traços sísmicos 2D. Hagen (1981) aplicou
delimitados, essa unidade pode ser interpretada a análise em componentes principais-ACP sobre os
em termos de ambiente geológico. Ela pode ser- dados sísmicos. Kubichek e Quincy (1985) utiliza-
vir para previsões litológicas e/ou petrofísicas, ou ram um método de classificação de Bayes (Bayes,
pode ser usada para estudos de saturações de 1763) baseado na estimativa da função de densi-
tipos fluidos, de variações de pressões e estudos dade de probabilidade multivariada.
de sísmica 4D. Dumay e Fournier (1988) estudaram o problema
O conceito de unidades de fácies sísmicas do reconhecimento de formas sísmicas aplicando a
ou mesmo de fácies sísmicas foi estabelecido análise estatística multivariada em componentes prin-
por R. M. Mitchum, Jr. (Glossary of Terms Used cipais-ACP. Estudaram também a classificação e a aná-
in Seismic Stratigraphy, Memoir AAPG 26, 1977, lise discriminante aplicadas aos traços sísmicos a partir
p. 210). de uma base de aprendizagem obtida dos dados de
perfis de poços e do conhecimento geológico.
Fournier e Derain (1995) propuseram uma me-
todologia para extrair as propriedades do reser-
principais trabalhos vatório oriundas dos dados sísmicos utilizando a
análise canônica após a segmentação espacial dos
bibliográficos dados através da análise de fácies sísmicas. Esta
segmentação é proposta pelo estudo do reconhe-
O interesse do reconhecimento de formas cimento de formas sísmicas fazendo-se a corres-
aplicado aos traços sísmicos, em um primeiro pondência dessas formas com os parâmetros
momento de maneira qualitativa, aumentou geológicos medidos nos poços.
após a publicação do Memoir 26, AAPG, em Johann (1997) propõe uma nova metodologia de
1977, denominado Seismic Stratigraphy - reconhecimento de fácies sísmicas supervisionadas.
applications to hydrocarbon exploration, edita- Nela, utilizaram-se os traços representativos de cur-
do por Charles E. Payton. vas de proporções de litofácies. Estas unidades de
Na obra, destaca-se o trabalho Stratigraphic fácies sísmicas servem como guias para a construção
Interpretation of Seismic Reflexion Patterns in de matrizes de proporções verticais que condicionam
Depositional Sequences, de R. M. Mitchum, Jr., P. as simulações geoestatísticas de litotipos.

De modo geral, tais estudos evidenciam os
problemas intervenientes nas técnicas do o espaço das observações
reconhecimento de formas sísmicas, já que a
parte interpretável demanda um conhecimen- ou dos traços sísmicos
to importante da geologia estudada e, em mui- Na metodologia de reconhecimento de pa-
tos casos, a interpretação geológica dos dados drões sísmicos, define-se o espaço das observa-
sísmicos é complexa. ções (indivíduos, medidas, amostras de traços, etc)
Os diferentes suportes (escalas) de medidas como o conjunto de amostras de segmentos de
(perfil de poço e sísmica de superfície) e também traços que constituem as linhas da tabela
as informações dos poços limitadas, do ponto de exploratória (tabela I).
vista espacial, são as principais causas da com-
O segmento do traço sísmico será definido a
plexidade em se estabelecer uma caracterização
partir da interpretação detalhada, em tempo du-
litoestratigráfica e/ou petrofísica a partir de da-
plo de reflexão entre a base e o topo da unidade
dos sísmicos.
sismoestratigráfica a ser analisada.
Os traços sísmicos utilizados para a análise de
reconhecimento de padrões podem ser:
(1) sintéticos e/ou reais;
tabela exploratória (2) dados sísmicos 2D ou 3D;
(3) dados antes do empilhamento ou
de dados sísmicos pós-empilhamento e migração;
(4) obtidos a partir de uma migração
Na tabela I é apresentada a representação estatís- em tempo ou em profundidade;
tica multivariada, ou seja, a tabela exploratória de aná- (5) pós-inversão sísmica, tanto acústica
lise de dados sísmicos (codificação). A representação quanto elástica;
dos dados sísmicos consiste em definir, nas colunas, (6) dados sísmicos time-lapse ou sísmica 4D;
os atributos sísmicos e, nas linhas, os traços sísmicos. (7) dados sísmicos de VSP.
Tabela I
Tabela exploratória
de dados sísmicos.
Table I
Seismic data
exploratory table.

Vale notar que a qualidade da aquisição dos la de análise estatística multivariada dos dados
dados sísmicos e de todo o processamento terão (tabela I).
conseqüências sobre a análise do reconhecimen- Os atributos sísmicos podem ser, entre outros: as
to de formas sísmicas. O reconhecimento de pa- amplitudes sísmicas (pós-migração), as impedâncias
drões é normalmente realizado após as etapas (pós-inversão acústica e/ou elástica), as freqüências
clássicas de aquisição, de processamento e de in- ou as fases instantâneas, a energia ou a intensidade
terpretação sísmica detalhada do reservatório. do traço, as posições da distribuição estatística da
energia do traço, as posições da autocorrelação do
traço, as posições do espectro de amplitude ou de
potência do traço, os coeficientes da decomposição
o espaço das variáveis polinomial, as amplitudes dos principais destaques
da autocorrelação. Podem ser também as posições
explicativas ou dos particulares (pico de energia e quartis da distribui-
ção das amplitudes espectrais) sobre o espectro de
atributos sísmicos potência do traço, amplitudes dos picos e das de-
pressões, os tempos entre dois valores extremos su-
Este espaço das variáveis (descritivas, cessivos, a superfície entre dois cruzamentos no va-
caracteres dos dados, dos objetos, dos atribu- lor zero de amplitude e amplitudes de certas amos-
tos, etc) se caracteriza pelo conjunto de atribu- tras específicas, componentes da decomposição
tos sísmicos que constituem as colunas da tabe- espectral, atributos sísmicos 4D etc.
Figura 1
a) Volume sísmico
original pós-
processamento em
tempo; b) segmentação
espacial e temporal dos
dados sísmicos; c) espaço
p-dimensional dos
atributos sísmicos;
d) espaço das formas ou
fácies sísmicas (Johann
et al. 2001).
Figure 1
a) Original seismic
volume after processing
(time); b) space and time
segmentation of seismic
data; c) p-dimensional
space of seismic
attributes; d) space
of the patterns or
seismic facies
(Johann et al. 2001).

os métodos estatísticos de micas não-supervisionadas, consiste, primeiramen-
te, em utilizar técnicas de estimativa não-paramé-
reconhecimento de trica da função de densidade no espaço dos atri-

butos sísmicos (organograma 1).
formas sísmicas Em seguida, pesquisam-se os indivíduos repre-

sentativos dessa função. Eles correspondem às zo-
Na análise de reconhecimento de formas sísmi- nas “naturais” de concentração de dados, ou seja,
cas, os métodos estatísticos utilizados se beneficiam as medidas físicas têm maior afinidade em uma
do fato que a repartição das descrições dos objetos métrica estatística. Esses indivíduos serão em se-
a serem classificados (morfologia dos traços ou seus guida utilizados como amostras de aprendizagem
atributos) mudam de uma classe a outra. Eles su- em uma análise discriminante.
põem que os objetos de um mesmo grupo se dis- A análise discriminante permite então construir
persem respeitando sua estrutura específica. uma função de classificação para a apuração dos
A estrutura e as regularidades que caracterizam indivíduos afastados dos modos da função de
cada uma das classes serão exploradas como densidade (organograma 1).
indícios suficientes que permitam inferir a que grupo Na abordagem não-supervisionada, a função de
pertence um objeto de categoria desconhecida. Na densidade é estimada com o método dos k-vizi-
figura 1, a metodologia de reconhecimento das nhos mais próximos. Nela, uma das necessidades é
formas sísmicas é resumida graficamente. a escolha do parâmetro k, número de vizinhos con-
Os métodos estatísticos utilizados para o siderados na estimativa da densidade.
reconhecimento das formas sísmicas foram: A variável citada tem o papel de um parâmetro
• análise de componentes principais - ACP; de “suavização” local controlando o grau de
• estimativa da função densidade (paramé- rugosidade (e assim o número de modos da densi-
trica e não-paramétrica); dade estimada). Uma maneira de escolhê-lo é es-
• análise discriminante paramétrica e não-pa- tudar a evolução do número de modas quando k
ramétrica - AD. varia; se a população estiver claramente estruturada
O método estatístico para a estimativa da fun- em grupos, observa-se, por uma superfície de va-
ção densidade não-paramétrica utilizado foi o mé- lores de k, uma estabilização do número de modas
todo k-vizinho mais próximo-KNN (Kth nearest sobre o valor do número de classes “naturais” da
neighbor, Loftsgaarden e Quesenenberry, 1965). população (Wong e Schaack, 1982).
Duas vias metodológicas complementares fo- Na abordagem não-supervisionada, a interpre-
ram pesquisadas (organograma 1): tação geológica das unidades de fácies sísmicas é
• reconhecimento de formas não-supervisio- feita a posteriori, por comparação com as litologias
nadas; dominantes nos poços, com as medidas
• reconhecimento de formas supervisionadas petrofísicas, com conhecimento geológico, com
pelo conhecimento geológico. efeitos de saturações de água ou com variações
de pressões (sísmica 4D) etc.
O método dos k-vizinhos mais próximos que
se escolheu para a estimativa da densidade foi
metodologia de proposto originalmente por Loftsgaarden e

Quesenenberry, 1965.
reconhecimento de formas A equação 1 demonstra o estimador da função

de densidade f(x1,...xp). Esta função é positiva, con-
sísmicas não-supervisionadas tínua e aplicada sobre um ponto x = (x1, ...xp), em um

conjunto de n amostras {x1, ...xn} independentes em
A abordagem de estatística multivariada, na um espaço p-dimensional com x = (x1,..., xp). Uma
metodologia de reconhecimento de formas sís- observação xi em X é xi = (x1i, ..., xpi).

Define-se uma hiperesfera de volume V(rk, x) N = {(xi, pi), i = 1, .., n} (3)
com um raio rk(x), distância do ponto x à amos-
tra k-ésima mais próxima. Este raio é variável e onde, xi representa um vetor correspondente a
depende de dois parâmetros: o número de vizi- uma amostra sísmica no espaço p-dimensional e
nhos levados em conta (o número de amostras pi representa um ponderador.
na hiperesfera) e o parâmetro de suavização lo-
cal da estimativa. A matriz de covariância (C) é representada pela
equação a seguir:
f(x)={(k-1)/n}.{1/V(rk, x)} (1)
C= pi(xi - g)( xi - g)T (4)
onde, f(x) é o estimador da densidade no ponto x;

onde, g representa a média de n observações (seg-
V(rk, x) é o volume da hiperesfera do raio rk(x) que
mentos de traços sísmicos); T é o símbolo da ma-
contém k vizinhos do ponto considerado.
triz transposta.
O problema a resolver, em análise de compo-
Quando k aumenta, a densidade estimada é nentes principais, é encontrar um novo espaço de
mais suave e por conseqüência o número de mo- projeção p´ < p (espaço original), de maneira que
dos diminui. as distâncias entre os novos pontos, representa-
O volume da hiperesfera é dado pela equação 2: dos, neste caso, por combinações lineares de
amostras sísmicas, sejam as mais próximas possí-
V(rk, x)=2rkp(x) Π p/2/pΓ(p/2) (2) veis do espaço original (amostras de atributos sís-
micos originais).
onde, Γ é a distribuição gama. Esse problema é resolvido computando-se
ui (i = 1 a p), os auto-vetores da matriz C. Os
Verifica-se que para p=1 (caso unidimensional), vetores ui geram novos eixos e cada auto-valorNi
teremos Γ(1/2)=ªΠ, V(rk, x)=2rk(x) e f(x)={(k-1)/n}.{1/2rk(x)} mede a porcentagem da informação original con-
como estimador de um histograma. siderada pelo novo eixo ui.
Decidiu-se utilizar o método estatístico de k-vizi- Na prática, um pequeno número de eixos
nhos mais próximos - KNN, porque em relação a (em p’) é suficiente para representar a maioria
outros métodos não-paramétricos para a estimativa dos atributos originais. Logo, é possível proje-
da função densidade, este apresenta a vantagem tar estas amostras no espaço p’-dimensional com
de utilizar um núcleo de adaptação que permite uma somente uma pequena perda de informação,
boa estimativa das zonas de concentrações de da- aspecto de filtragem da análise de componen-
dos muito variáveis. Em contrapartida, um inconve- tes principais.
niente desse método é a má estimativa das “cau- A análise discriminante é a terceira etapa da
das” da distribuição. abordagem não-supervisionada adotada nesta
A análise em componentes principais - ACP, metodologia, após a ACP e a KNN. Ela pode ser
sendo um método estatístico multivariado fatorial, definida a partir do seguinte problema (Dumay e
permite a projeção das variáveis originais. Neste Fournier, 1988):
caso, a refletividade é o atributo sísmico projeta- Sendo dadas duas amostras de aprendizagem
do em um novo espaço de menor dimensão. No xl,...,xn e y1,...,ym, correspondentes respectivamente
espaço citado, o atributo que será trabalhado é a às populações (classes) A e B. A questão agora é
combinação linear da refletividade (valores pró- saber a que classe deve-se atribuir uma amostra
prios da matriz de covariância). desconhecida e?
Sendo N o conjunto de observações, segmen- A análise discriminante procura maximizar
tos de traços sísmicos em refletividade de uma a separação de populações (grupos) previamen-
unidade sismoestratigráfica, pode-se expressar: te definidas.

As n observações da população original são clas- fA (e) c.fB (e) (8)
sificadas em k grupos P1, P2,..., PK., definidos a priori
com pi=1/n. Sendo xe a média das observações do onde, c é a constante que representa a probabili-
grupo Pe e Oe = card Pe/n. dade a priori de pertencer à classe A.
Soluciona-se o problema encontrando um A análise discriminante implica na estimativa
novo espaço de dimensão p’ < p no qual as amos- das densidades de probabilidades específicas nas
tras originais serão projetadas de maneira que diferentes classes. Para tanto, utilizaram-se duas
os centros das populações agrupadas estejam o abordagens a fim de estimar essas densidades es-
mais afastado possível nas respectivas classes. Ao pecíficas: a paramétrica e a não-paramétrica.
mesmo tempo, deseja-se que as amostras da A abordagem paramétrica presume que os
mesma população estejam o mais próximo pos- dados sigam uma distribuição conhecida normal,
sível umas das outras. com os parâmetros conhecidos (x): média e ma-
Sendo T a matriz de covariância total, B a matriz de covariância (C).
triz de covariância entre populações e W a matriz A função densidade pode ser caracterizada
de covariância dentro de uma população, confor- pela pesquisa dos estimadores da média e da
me equação 5: matriz de covariância dos dados e substituindo-
se essas estimativas com a fórmula da densida-
T=B+W (5) de normal.
A equação 9 demonstra a função de densida-
Devem-se pesquisar os eixos de projeção de manei- de de probabilidade normal para uma amostra x,
ra a maximizar B/W, ou de maneira equivalente B/T. no caso p-dimensional, matriz de covariância (C)
A solução desse problema é obtida pelo cálculo com o centro da distribuição em x=O (média) e
dos auto-vetores ui e dos auto-valores Ni da matriz para x pertencente à classe i.
T-1.B. Os vetores ui geram (k - 1) eixos discriminan-
tes e Ni (0 < Ni < 1) é a medida do poder de discri- f(x)=(2 )-p/2(Ci)-1/2 exp[-1/2(x-Oi)T(Ci)-1(x-Oi) (9)
minação de cada eixo correspondente.
A matriz de covariância (B), entre populações, A abordagem paramétrica é utilizada em duas
é representada pela equação 6: principais vias: linear e quadrática.
No método linear, a matriz de covariância usa-
B= Oe(xe - g)(xe – g)T (6) da é a média das matrizes Ci. Este volta a considerar
que as classes apresentam as mesmas características
de dispersão, médias e matrizes de covariância iguais
onde, xe representa o valor médio das amostras da
nas diferentes classes. Como conseqüencia, a super-
classe Pe e Oe representa o ponderador (peso).
fície que separa os grupos é definida parametrica-
A matriz de covariância (W), da população (gru-
mente como um hiperplano.
po), é representada pela equação:
Por outro lado, no método quadrático, a
matriz de covariância utilizada é aquela estima-
W= Oe(1/card Pe) (xi - xe)(xi – xe)T (7) da em cada classe. Assim, leva-se em conta a
característica de dispersão própria de cada gru-
onde, k representa o número de populações (grupo. Neste caso somente a média é igual nas di-
pos); xe representa o valor médio das amostras da ferentes classes e, em razão disto, a superfície
classe Pe e e representa o ponderador (peso). de separação entre elas terá uma forma para-
A equação 8 define uma regra de atribuição, na métrica quadrática.
abordagem bayesiana, a partir da estimativa das fun- Na abordagem não-paramétrica da análise
ções de densidade de probabilidade condicional, fA(e) discriminante emprega-se um estimador da den-
e fB(e), pertencentes à amostra e respectivamente às sidade de cada grupo, por exemplo, aquele dos
classes A e B. A amostra e será atribuída à classe A se: k-vizinhos mais próximos.

A abordagem não-supervisionada é muito
interessante já que os dados “falam por si” para conceito de curva
encontrar as “classes naturais” da população dos
traços sísmicos. As classes sem significado geoló- vertical e matriz de
gico podem assim aparecer, como por exemplo:
zonas ruidosas, artefatos de aquisição, de trata- proporções de litotipos
mento e/ou modelagem dos dados sísmicos (in-
versão baseada em modelo). Define-se uma curva de proporção vertical de
Essa abordagem pode ser aplicada ao controle litotipos (CPV) como uma distribuição vertical de
de qualidade dos dados sísmicos antes de sua in- proporções de fácies sedimentares grupadas
corporação à fase de caracterização de reservató- (litotipos) a partir da integração de um ou mais
rios. Ela também se aplica ao contexto perfis de poços, oriundos de uma base de
exploratório, onde poucos poços estão disponí- eletrofácies, com senso geológico sobre uma ou
veis. O inconveniente do método é, em certos mais zonas do reservatório.
casos, a dificuldade da interpretação geológica de Em contrapartida, a matriz de proporções re-
algumas fácies sísmicas assim detectadas. presenta a distribuição espacial das curvas verti-
cais de proporções. Esta matriz pode ser repre-
sentativa do reservatório ou de cada unidade ge-
nética que compõe o reservatório.
metodologia de Esquematicamente, na figura 2 são apresen-
tadas duas curvas de proporções verticais de
reconhecimento de formas litotipos e a construção de uma matriz de propor-
ções de litotipos.
sísmicas supervisionadas Na figura 3 é mostrado um exemplo da ma-
triz de proporções para a unidade genética su-
Esta abordagem utiliza os métodos estatísti- perior do reservatório de Namorado e a posi-
cos multivariados, baseando-se na análise discri- ção de dois poços (A e B). Na região que domi-
minante (organograma 1). As amostras de apren- na o amarelo a curva vertical de proporções é
dizagem são escolhidas em função de um a priori guiada pela respectiva fácies sísmica, interpre-
geológico, externo ao método. tada como arenitos muito porosos (CPV 1 ).
Por exemplo, se há interesse pelas variações de Onde o verde aparece mais, a fácies sísmica in-
porosidade de um reservatório, selecionam-se os tra- terpretada é a correspondente a sedimentos
ços sísmicos de aprendizagem na vizinhança dos clásticos finos (CPV 2) e na região que predomi-
poços mais típicos em relação às classes de porosidade na o azul, a fácies interpretada é a de margas
do reservatório estudado. Igualmente, pode-se uti- e de calcilutitos (CPV 4).
lizar como a priori as proporções de litotipos, ou A questão fundamental é: como distribuir no
mesmo as curvas de proporções (Johann,1997). volume do reservatório as CPVs conhecidas somen-
Em seguida, estuda-se a possibilidade de se te nos poços?
encontrarem atributos sísmicos que permitam a Neste momento é que intervém o conceito de
individualização das diferentes famílias de traços fácies sísmicas guiando a repartição espacial das
de aprendizagem. Estando selecionados esses atri- CPVs, construindo a matriz de proporções. Ela é
butos, a análise discriminante é aplicada para a uma ferramenta muito importante para capturar
classificação de cada traço sísmico dentro de cada o comportamento espacial dos litotipos, além dis-
uma das famílias. As unidades de fácies sísmicas so, ela também é um instrumento complementar
assim definidas têm, portanto, um significado aos variogramas na análise estrutural das variáveis
geológico direto (organograma 1). regionais na modelagem geoestatística.

Figura 2 - Curvas de proporções verticais (CPVs) de Figure 2 - Vertical proportion curves (VPCs) of lithotypes:
litotipos: a) CPV1 dominando arenitos muito porosos a) VPC1 with a predominance of very porous sandstones
(amarelo); b) CPV4 dominando margas e calcilutitos (azul); (yellow); b) VPC4 with a predominance of marls and
c) esquema da repartição espacial das CPVs. calcilutites (blue); c) spatial repartition scheme of VPCs.
aplicação no reservatório Figura 3

Matriz de proporções de
Namorado, Campo de Namorado litotipos. A zona

dominante em amarelo
corresponde aos arenitos
O reservatório Namorado, na sua parte central, muito porosos (CPV1), a
em média, está caracterizado por uma janela de zona dominante em verde
83 ms de tempo duplo de reflexão (fig. 4a). Neste corresponde aos lamitos
(CPV3) e a zona dominante
campo, o reservatório foi dividido em três unida-
em azul às margas e
des sismoestratigráficas de alta resolução definidas calcilutitos (CPV4).
pela interpretação detalhada após o processo de
inversão sismoestratigráfica: unidade 1, unidade 2 Figure 3
e unidade 3, da base para o topo (fig. 4b). Lithotype proportions
Desta maneira, existem espaços estatísticos de matrix. The predominant
ordem elevada, ou seja, o número de amostras yellow area corresponds

to very porous sandstones
sísmicas por unidade sismoestratigráfica é superior (VPC1), the predominant
a três, mais de três horizons slices por unidade green area corresponds to
sismoestratigráfica. Assim, procede-se primeira- mudstones (VPC 3) and the
predominant blue area
mente a uma análise de componentes principais-
corresponds to marls and
ACP com o objetivo de diminuir a redundância calcilutites (VPC 4 ).
das informações e de filtrar eventualmente certos
ruídos existentes nos dados originais.

reconhecimento de
formas sísmicas não-
supervisionadas em
Namorado
escolha dos atributos sísmicos
No caso do reservatório turbidítico do Campo
de Namorado, para a unidade sismoestratigráfica
superior do reservatório (unidade 3), escolheram-
se cinco componentes principais dos coeficientes
de reflexão pós-inversão sismoestratigráfica como
novos atributos a analisar (organograma 1).
Para as unidades estratigráficas intermediárias
(unidade 2) e inferior (unidade 1) foram escolhi-
dos seis componentes principais (fig. 5).
Na figura 6 são mostrados os nove coeficien-
tes de reflexão (refletividade) e as nove combina-
ções lineares (valores próprios da matriz de cova-
riância da refletividade) desses coeficientes para a
unidade superior, codificados pelas unidades de
Figura 4 - Seções sísmicas em tempo: Figure 4 - Seismic sections in time:
a) migrada pós-empilhamento e a) migrated after stacking and fácies sísmicas, respectivamente. As cinco primei-
b) refletividade pós-inversão b) reflectivity after seismo-stratigraphic ras combinações lineares dos atributos originais
sismoestratigráfica, com as três unidades de inversion, with the three high resolution explicam 93,53% das informações analisadas (os
alta resolução: basal (unidade1), intermediá- units; basal (unit 1), intermediate
ria (unidade 2) e superior (unidade 3). (unit 2) and superior (unit 3).
coeficientes de reflexão, para essa unidade supe-
rior do reservatório).
Figura 5
Diagramas de dispersão dos
valores próprios da matriz
de correlação do reservató-
rio de Namorado (valores
próprios versus componentes
principais): a) unidade 3,
superior; b) unidade 2,
intermediária;
c) unidade 1, basal.
Figure 5
Cross plot of the typical
values of the correlation
matrix of the Namorado
reservoir (typical values
versus main components):
a) unit 3, superior;
b) unit 2, intermediate;
c) unit 1, basal.

Figura 6 - a) Histogramas dos nove coeficientes de reflexão da Figure 6 - a) Histograms of the nine reflection coefficients
unidade sismoestratigráfica superior, codificados pelas fácies of the superior seismo-stratigraphic unit, codified by the
sísmicas (abordagem não-supervisionada); b) histograma das seismic facies (non-supervised approach); b) histogram of
nove combinações lineares dos coeficientes de reflexão da the nine linear combinations of the reflection coefficients
unidade superior do reservatório, codificadas pelas fácies of the superior unit of the reservoir, codified by seismic
sísmicas (abordagem não-supervisionada). facies (non-supervised approach).

Na figura 7 são mostrados os mapas de cada de reflexão. A partir do mapa da sexta combi-
combinação linear (valores próprios da matriz de nação linear, essa variabilidade é menos eviden-
covariância da refletividade) codificados em ter- te. A distribuição dos valores concentra-se em
mos de sua distribuição de valores (quartis). torno da média (fig. 6b). Interpretam-se as ima-
A análise desses mapas mostra que a variabili- gens das combinações lineares seis a nove como
dade espacial dos dados é capturada pelas cinco ruídos sísmicos a serem filtrados pela ACP
primeiras combinações lineares dos coeficientes (Hagen, 1981).
Figura 7
Mapas de distribui-
ções (quartis) dos
componentes
principais 1 a 9
da unidade
sismoestratigráfica
superior.
Figure 7
Distributions maps
(quartiles) of the
main components - 1
to 9 - of the
superior seismo-
stratigraphic unit.

estimativa e pesquisa dos Após ter feito variar o parâmetro k, número
de vizinhos considerados na estimativa da função
modos da função densidade de densidade, representa-se a evolução do número

de modos da densidade de acordo com esse
A unidade sismoestratigráfica superior do re- parâmetro para cada uma das três unidades
servatório Namorado corresponde a 27.080 seg- sismoestratigráficas do reservatório (Wong e
mentos de traços sísmicos (traços de coeficientes Schaack, 1982). Na unidade superior aparece um
de reflexão pós-inversão sismoestratigráfica, seg- patamar correspondente a cinco modos da fun-
mentados entre dois horizontes estratigráficos), ção de densidade (fig. 8a). Para as unidades inter-
distribuídos em uma área de, aproximadamente, mediária e basal, identificam-se dois e sete mo-
7 km na direção NW-SE (in-lines) e 3 km NE-SW dos da função densidade, respectivamente.
(cross-lines). Analisaram-se, para o k correspondente à solução
Para a definição de uma base de aprendiza- de cinco classes (k=15), os mapas das unidades de
gem, grupos de segmentos de traços com ca- fácies sísmicas para a unidade superior do reservató-
racterísticas estatísticas comuns (na abordagem rio e os mapas de proporções dos litotipos (arenitos
não-supervisionada), foram analisados os mo- muito porosos, arenitos, turbiditos finos / argilas e
dos principais da função de densidade estima- margas) obtidos pelas interpolações e extrapolações
da a partir do método estatístico dos k-vizinhos a partir dos dados dos poços também foram consi-
mais próximos (KNN). derados como referência geológica (fig. 9).
Figura 8
Diagramas de dispersão
dos modos da função
densidade em relação ao
parâmetro de suavização
(k): a) unidade superior
(k=15, 5 modos);
b) unidade intermediária
(k=16); c) unidade basal
(k=13).
Figure 8
Cross plot of the modes
of the density function
to the smoothing
parameter (k): a)
superior unit (k=15, 5
modes); b) intermediate
unit (k=16); c) basal unit
(k=13).

Figura 9
Mapas dos percentuais
dos litotipos da unidade
superior do reservató-
rio: a) arenitos muito
porosos; b) arenitos;
c) turbiditos finos e
lamitos; d) margas.
Figure 9
Lithotype percentages
maps of the superior
unit of the reservoir:
a) very porous
sandstones;
b) sandstones;
c) fine turbidites and
shale; d) marls.
As posições dos traços sísmicos da base de

aprendizagem não-supervisionada estão codifica-
das em cores nos mapas das unidades de fácies
sísmicas para a unidade superior (fig. 10a).
Os pontos codificados em preto nesse mapa
são os indivíduos separados dos modos da função
de densidade, que serão atribuídos ulteriormente
a esses modos no curso da classificação realizada
com a análise discriminante não-paramétrica. Es-
ses pontos são muitas vezes periféricos em rela-
ção à nuvem de pontos de cada classe ou pontos
dentro da zona onde a qualidade de atribuição
para cada classe é baixa.
análise discriminante
Os segmentos de traços sísmicos típicos dos cin-
co modos da função de densidade (em número Figura 10 - Mapas das Figure 10 - Maps of
unidades de fácies sísmicas the seismic facies
de 25.977) serviram de indivíduos de aprendiza-
pela abordagem não- units based on the
gem para a análise discriminante não-paramétrica supervisionada: a) antes non-supervised
do tipo k-vizinhos mais próximos, utilizando-se (base de aprendizagem ou approach: a) before
k igual a 15. Essa análise permite elaborar uma training data set); (training data set);
b) após a classificação. b) after classification.
função de classificação para a atribuição dos indi-

víduos afastados dos modos da função densidade Nas figuras 11a e 11b são exibidos os mapas das
de probabilidade (1.103 indivíduos). unidades de fácies não-supervisionadas e os cortes
Os percentuais de classificação obtidos na aná- sobre essa probabilidade com os limites de 0.5 e 0.7,
lise discriminante sobre os pontos de aprendiza- definindo-se mapas de incertezas associados às fácies
gem com uma técnica de validação cruzada são sísmicas (abordagem probabilística). Verifica-se que
apresentados na tabela II. a classe cinco (vermelha) é composta por traços cuja
A validação cruzada corresponde a retirar uma atribuição mostra uma probabilidade muito peque-
observação e reconstruir a função de classificação so- na, inferior a 0.5.
bre as n-1 observações restantes. Esta nova função é
aplicada na classificação da observação suprimida.
Este processo é reiterado pelas n observações de
aprendizagem. Os percentuais dos bem-classificados
em validação cruzada dão uma indicação sobre a con-
fiabilidade da discriminação (tabela II).
No caso considerado, os percentuais de bem-
classificados são todos elevados, o que testemu-
nha a confiabilidade das classes de aprendizagem.
Por outro lado, verifica-se que o valor de 100%
obtido para a classe cinco é influenciado pelo peque-
no número de amostras dessa classe (360 traços).
Na figura 10b é apresentado o mesmo mapa
das unidades de fácies sísmicas da figura 10a
após a classificação das 27.080 observações na
abordagem não-supervisionada.
A probabilidade de boa atribuição em uma das
fácies permite também caracterizar as zonas mais
confiáveis para futuras interpretações. Salienta-se aqui
a pertinência da aplicação da metodologia estatísti- Figura 11 - Mapas das Figure 11 - Maps of the
ca, em um contexto probabilístico, para a caracteri- unidades de fácies sísmicas: seismic facies units:
a) corte com uma probabilida- a) threshold with a 0.5
zação de reservatórios, quando comparada a meto-
de de classificação de 0.5; classification probability;
dologia de redes neurais, onde não se consideram as b) corte com uma probabilida- b) threshold with a 0.7
incertezas associadas à atribuição de cada fácies. de de classificação de 0.7. classification probability.
Tabela II
Tabela de validação
cruzada da análise
discriminante -
abordagem não-
supervisionada.
Table II
Table of crossed
validation of the
discriminating analysis
– non-supervised
approach.

interpretação das unidades Nas tabelas III a V são apresentadas as caracte-
rísticas estatísticas dos traços sísmicos das cinco
de fácies sísmicas classes, assim como de seus parâmetros acústicos
e geológicos (espessuras acumuladas das
não-supervisionadas eletrofácies nos poços) para as classes 1 e 3.
Para as unidades de fácies sísmicas 2, 4 e 5
Nesta abordagem analisam-se os histogramas a ausência ou a insuficiência estatística de uma
dos nove coeficientes de reflexões oriundos da in- quantidade representativa de poços não per-
versão sismoestratigráfica e os histogramas das nove mite o cálculo dos parâmetros acústicos e geo-
combinações lineares (valores próprios) dos coeficien- lógicos respectivos.
tes de reflexão para a unidade superior do reser- A correspondência das propriedades do re-
vatório codificados por unidade de fácies sísmicas servatório nos poços com as unidades de fácies
(fig. 6). A partir da análise desses histogramas e da sísmicas na abordagem não-supervisionada ba-
análise dos valores próprios da matriz de covariân- seia-se na hipótese que os traços em uma
cia, escolheram-se as cinco primeiras combinações vizinhança local nos poços (nove traços em vol-
lineares que detêm a maior variabilidade de coefi- ta do poço) demonstram um comportamento
cientes de reflexão. acústico homogêneo.
Tabela III
Parâmetros estatísticos,
acústicos e geológicos
das fácies sísmicas 1 e 2.
Table III
Statistical acoustic and
geological parameters of
seismic facies 1 and 2.

Tabela IV
acústicos e geológicos
das fácies sísmicas 3 e 4.
Table IV
seismic facies 3 and 4.
Tabela V
Parâmetros
estatísticos,
acústicos e
geológicos da
fácies sísmica 5.
Table V
Statistical acoustic
and geological
parameters of
seismic facies 5.

Na figura 12 é apresentada a morfologia dos cin- Verifica-se também que as unidades de fácies
co traços médios (coeficiente de reflexão) das uni- sísmicas 1 (amarelo) e 2 (laranja) mostram distri-
dades de fácies sísmicas sem a priori geológico e uma buições bem diferentes, particularmente na com-
seção sísmica NE-SW (strike) com os segmentos de binação linear 2 (fig. 6). Constata-se também a
traços da unidade superior codificados por fácies sís- pequena ocorrência e a pequena probabilidade
micas, na metodologia não-supervisionada. de atribuição da unidade 5 (vermelho).
Figura 12
a) Traços sísmicos
médios para as
cinco classes
não-supervisionadas;
b) codifição de fácies
sísmicas sobre uma
seção strike para a
unidade superior do
reservatório, com o
topo horizontalizado.
A unidade de fácies 1
(amarelo), unidade de
fácies 2 (verde) e
unidade de fácies 3
(laranja).
Figure 12
a) Average seismic
traces for the five
non-supervised
classes;
b) codification of
seismic facies on a
strike section for the
superior unit of the
reservoir with a
horizontalized top.
The facies 1 unit
(yellow), facies 2 unit
(green) and facies 3
unit (orange).

A unidade de fácies sísmicas 1 mostra as mé- do reservatório de qualidade intermediária tam-
dias de combinação linear das variáveis originais bém interpretável no mapa de proporção de
(coeficientes de reflexão) 1 e 2 com os valores litotipos (fig. 9).
absolutos maiores entre os atributos utilizados A unidade de fácies sísmicas 5 é, do ponto de
na discriminação (tabela III e fig. 11b). As médias vista estatístico, menos representativa já que não
dos parâmetros acústicos (velocidade intervalar contém mais de 708 traços numa posição quase
e as impedâncias nos poços) em sete poços que isolada do campo, além de estar próxima de uma
pertencem a essa unidade demonstram valores falha geológica a NW do reservatório. Ao obser-
compatíveis com as zonas com predominância de var os poços, constata-se que somente um deles
arenitos muito porosos. As espessuras acumula- pertence a ela (tabela V e fig. 11b). Esta unidade
das de arenitos muito porosos e de arenitos atin- mostra as médias de combinação lineares das va-
gem 22,43 m. riáveis originais 1, 3 e 5 com os maiores valores
Na figura 9 (mapa de proporção de litotipos) é absolutos entre os atributos sísmicos utilizados
mostrada uma correspondência entre essa unida- na discriminação.
de e a zona de arenitos muito porosos na parte A referida unidade deve ser interpretada como a
sudoeste do reservatório. que apresenta uma morfologia de traços sísmicos
A unidade de fácies sísmicas 2 mostra as médias quase específica para uma região noroeste e nor-
de combinação lineares das variáveis originais deste externa à zona produtiva do reservatório.
2 e 5 com os valores absolutos mais fortes entre os Uma outra maneira para se estabelecer a in-
atributos utilizados na discriminação (tabela III). Na terpretação geológica das unidades de fácies sís-
figura 11b é mostrado que, do ponto de vista es- micas é fazer a correspondência dos traços sís-
pacial, essa unidade é muito variável. Ela foi inter- micos (coeficiente de reflexão) médios de cada
pretada como artefatos de aquisição e/ou oriun- uma das classes, dos traços sintéticos dos po-
dos do processamento sísmico. ços, do traço real dos poços e do traço corres-
A unidade de fácies sísmicas 3 é a que contém o pondente à posição de melhor calibração na
maior número de traços sísmicos (tabela IV). As inversão sísmica.
médias das combinações lineares das variáveis ori- Na figura 13 é exemplificado o procedimento
ginais 1 e 2 são os valores absolutos maiores entre nos poços típicos do reservatório Namorado, P44
os atributos sísmicos utilizados na discriminação. e P18, para as unidades de fácies 1 e 3, com as
As médias dos parâmetros acústicos nos suas fácies-perfil (eletrofácies), respectivamente.
36 poços que pertencem à unidade de fácies sís-
micas 3 são compatíveis com as espessuras acu-
muladas das fácies-perfil (eletrofácies) predomi-
nantes de turbiditos finos e argilas com 18,63 m
que pertencem a essa classe.
conclusões da análise
No mapa de proporção de litotipos (fig. 11b)
é especificado que essa unidade está ligada à
não-supervisionada no
distribuição de uma classe de reservatório inter-
mediário, provavelmente composta de turbidi-
reservatório Namorado
tos finos e de folhelhos ao longo do reservató- Utilizou-se a abordagem de reconhecimento de
rio, notadamente entre os arenitos confinados formas não-supervisionadas sobre as impedâncias
e canalizados. acústicas e sobre os coeficientes de reflexão dos
A unidade de fácies sísmicas 4 apresenta as traços sísmicos pós-inversão sismoestratigráfica do
médias de combinações lineares das variáveis ori- volume sísmico do reservatório Namorado, Campo
ginais 2 e 3 com os valores absolutos mais fortes de Namorado. Conduziram-se essas análises para
entre os atributos utilizados na discriminação (ta- cada uma das três unidades sismoestratigráficas de
bela IV). Essa unidade corresponde a uma zona alta resolução do reservatório.

Figura 13
a) Poço P44 com os
perfis de poços com as
eletrofácies superpostas
ao perfil gamma ray, os
perfis neutrão/
densidade, o traço
médio, abordagens não-
supervisionadas (NS) e
supervisionadas (SUP) e
quatro traços reais em
volta dos poços;
b) Poço P18 com os
perfis, eletrofácies,
traço médio, abordagens
não-supervisionada (NS)
e supervisionada (SUP) e
quatro traços reais em
torno do poço.
Figure 13
a) Well P44 with the
well profiles containing
the electrofacies
overlapping the gamma
ray profile, the neutron/
density profiles, the
average trace, non-
supervised approach
(NS) and supervised
approach (SUP) and four
real traces around the
wells; b) Well P18 with
the profiles,
electrofacies, average
trace, non-supervised
(NS) approach and
supervised (SUP)
approach and four real
traces around the well.

A estimativa da função densidade usando-se
o método estatístico não paramétrico de k-vizi- definição dos traços de
nhos mais próximos (KNN) foi decomposta em
cinco modas sobre a função densidade para a aprendizagem
unidade sismoestratigráfica superior desse re- A utilização de uma base de aprendizagem
servatório. Interpretam-se essas modas como re- permite introduzir a informação geológica oriun-
presentativas das unidades de fácies sísmicas. da da análise do encadeamento vertical das fácies-
A título de exemplo, utiliza-se a unidade superior perfil (eletrofácies), ou as espessuras das eletrofá-
para detalhar a interpretação, fazendo um cru- cies acumuladas para guiar a definição das unida-
zamento completo dos resultados obtidos com des de fácies sísmicas. Os indivíduos de aprendiza-
os dados geológicos e as características sísmicas gem para a análise discriminante são então consi-
(tabelas III a V). derados como os traços vizinhos aos poços típi-
Como conclusão sobre a unidade superior, a cos, do ponto de vista geológico.
unidade de fácies sísmicas 1 é interpretada como Para a análise discriminante baseada nas clas-
uma zona do reservatório em que dominam fácies ses de aprendizagem previamente definidas, é
de arenitos muito porosos (reservatório de exce- necessário escolher a informação geológica a priori
lente qualidade), a unidade 2 como “ruídos” sís- mais adaptada aos dados utilizados.
micos, as unidades 3 e 4 como duas zonas de qua- Nesta etapa, há duas escolhas a fazer:
lidade intermediária de reservatório. A unidade 5, (1) poços mais típicos, do ponto de vista da
por razão de sua pequena ocorrência estatística e informação geológica a priori;
uma distribuição do ponto de vista espacial muito (2) número de traços na vizinhança local dos
particular, numa zona produtiva a NW do reserva- poços mais representativos.
tório, próximo a uma falha geológica, é a menos O agrupamento dos poços típicos do reserva-
importante para ser colocada em correspondência tório em sua unidade superior foi pesquisado em
com o conhecimento prévio do campo. duas abordagens:
• classificação dos poços pelas espessuras acu-
muladas de eletrofácies;
• análise de curvas de proporções verticais
reconhecimento das formas de litotipos.
As curvas de proporções verticais de litotipos
sísmicas supervisionadas representam um agrupamento de litotipos oriun-
dos da descrição de testemunhos e das
em Namorado eletrofácies que predominam em uma região
geológica do reservatório.
A abordagem supervisionada de reconheci- Para definir a vizinhança local de aprendizagem,
mento de formas sísmicas baseia-se no método conduziram-se muitos testes utilizando como crité-
estatístico multivariado da análise estatística rio um mínimo de traços (minimizando a influência
discriminante. Baseia-se também na noção de clas- da possibilidade de levar em conta traços reais anor-
sificação do conjunto dos traços sísmicos em rela- mais) a um máximo de traços (evitando ultrapassar
ção aos traços de referências ou de aprendiza- uma certa homogeneidade geológica local).
gem. Os de aprendizagem, em nosso caso, foram A vizinhança dos poços típicos utilizada foi a
traços reais, selecionados na vizinhança de poços matriz de sete a nove traços ou 200,58 m x 200 m
típicos, do ponto de vista geológico. Neste caso, a num raio de cerca de 100 m a partir do poço (qua-
interpretação do mapa das unidades de fácies sís- tro traços de cada lado).
micas é efetuada diretamente. Entretanto, ela Na figura 14 é retratada a vizinhança do poço
depende da confiabilidade da informação geoló- P44 que foi considerada para a seleção de amos-
gica a priori (organograma 1). tras do segmento de traços para serem utilizadas

na base de aprendizado para a unidade de fácies A curva tipo 3 (CPV3) é dominante em turbiditos
sísmicas 1. Em amarelo no perfil gamma ray a finos e lamitos (maior ocorrência de verde na fi-
eletrofácie arenitos muito porosos, constatada nes- gura 15c). A curva tipo 4 (CPV4) é dominante em
se poço para a unidade superior do reservatório. margas (ênfase para o azul na figura 15d).
A título de exemplo, detalham-se as pesquisas fei-
tas na unidade superior do reservatório, pós-inversão
sismoestratigráfica. Os poços típicos utilizados em cada
uma das duas vias pesquisadas para construir os gru-
pos de aprendizado são mostrados na tabela VI.
escolha dos atributos sísmicos
Os depósitos turbidíticos do reservatório Namora- No caso do reservatório do Campo de Namo-
do, Campo de Namorado apresentam, do ponto de rado utilizou-se uma análise discriminante passo
vista geológico, após a descrição de mais de 700 m a passo, a fim de verificar as variáveis mais discri-
de testemunhos (Souza Jr., 1997), quatro grupos de minantes para conduzir o estudo de reconheci-
litotipos (agrupamento de fácies sedimentares): mento de formas sísmicas supervisionadas pelo
• arenitos muito porosos (I); conhecimento geológico (organograma 1).
Figura 14 • arenitos (II); Os atributos inspecionados foram: os coeficien-
Esquema demonstrando • turbiditos finos e lamitos (III); tes de reflexão do topo e da base das unidades
como são selecionados os • margas (IV). sismoestratigráficas de alta resolução, as
traços de aprendizado
A curva do tipo 1 (CPV1) é dominante em are- impedâncias acústicas pós-inversão, a energia e a
em torno de um poço
típico. Neste caso, na nitos muito porosos, porosidade média de 28% intensidade média nas janelas estudadas, a fre-
unidade superior do (destaque para o amarelo na figura 15a). A curva qüência e a fase instantânea, os quartis da distri-
reservatório para a tipo 2 (CPV2) é dominante em arenitos, porosidade buição da energia, os coeficientes da decomposi-
fácies 1, dominante a
média de 22% (realce do laranja na figura 15b). ção polinomial de Tchebyschev.
arenitos muito porosos.
Observar a inversão nos
perfis densidade e
neutrão.
Figure 14
Scheme showing how
training data sets are
selected on a typical
well. In this case, in the
superior unit of the
reservoir for facies 1,
there is a predominance
of very porous
sandstones. Note the
inversion of the density
and neutron profiles.
Tabela VI
Base de aprendizado
geológico e os poços típicos.
Table VI
Geological training data set
and typical wells.

Figura 15
Curvas de proporções
verticais da unidade
superior do reservató-
rio de Namorado
(CPV1 a CPV4 ):
a) dominantes em
arenitos muito porosos,
CPV1 ;
b) dominantes em
lamitos, CPV2 ;
c) dominantes em
turbiditos finos e
lamitos, CPV3 ;
d) dominantes em
margas, CPV4 .
Figure 15
Vertical proportion
curves of the superior
unit of the Namorado
reservoir (VPC1 a VPC4 ):
a) predominant in very
porous sandstones,
(VPC1 );
b) predominant in
sandstones, (VPC2 );
c) predominant in fine
turbidites and shale,
VPC3 ;
d) predominant in
marls, VPC4 .
Constata-se que no caso do reservatório Namo-

rado, Campo de Namorado, nenhum desses atri-
análise discriminante
butos se mostram muito discriminantes. Então, para Na abordagem de reconhecimento das for-
poder comparar as duas abordagens, sem e com mas sísmicas supervisionadas pelo conhecimen-
supervisão do conhecimento geológico, decidiu-se to geológico após a definição dos atributos, da
utilizar as combinações lineares dos coeficientes de definição da vizinhança local e da definição da
reflexão (componentes principais) obtidos pós-in- base de aprendizagem, desenvolveram-se aná-
versão sismoestratigráfica. lises estatísticas multivariadas discriminantes
Na figura 16 são mostrados os histogramas paramétricas e não-paramétricas.
de nove coeficientes de reflexão obtidos pós- As análises paramétricas aplicadas foram a
inversão sismoestratigráfica e as nove combina- discriminação linear e a quadrática. No caso
ções lineares (valores próprios da matriz de co- da discriminação não-paramétrica, usou-se o
variância) da unidade de alta resolução supe- método dos k-vizinhos mais próximos (KNN).
rior do reservatório, respectivamente. Observa- Nos casos da análise discriminante paramétrica,
se que a distribuição torna-se menos dispersa à utilizou-se uma métrica linear ou quadrática.
medida que se passa da combinação linear 1 Nas tabelas VII e VIII são apresentados os resul-
até a 9, particularmente entre as combinações tados percentuais da validação cruzada obtidos
lineares 6 e 7. pelos métodos de discriminações paramétricas (li-

Figura 16
a) Histogramas dos nove
coeficientes de reflexão da
unidade superior codificados
pelas fácies sísmicas
(abordagem supervisionada);
b) histograma de nove
combinações lineares dos
coeficientes de reflexão da
unidade superior do
reservatório codificados
pelas fácies sísmicas
(abordagem supervisionada).
Figure 16
a) Histograms of the nine
reflection coefficients
codified by the seismic facies
(supervised approach);
b) histogram of the nine
linear combinations of the
reflection coefficients of the
superior unit of the reservoir,
codified by seismic facies
(supervised approach).
near e quadrática) e não-paramétricas sobre as As análises das porcentagens na tabela VIII mos-
três bases de aprendizagem desenvolvidas na uni- tram que a base da aprendizagem na abordagem
dade sismoestratigráfica superior do reservatório do agrupamento dos poços usando as curvas de
Namorado, respectivamente. proporções de litotipos (CPV com k = 27) é a abor-

Tabela VII
Tabela de validação cruzada da
análise discriminante -
abordagem supervisionada.
Table VII
Table of crossed validation of
the discriminating analysis –
supervised approach.
Tabela VIII
Comparação entre as bases
de aprendizado EFC e CPV.
Table VIII
Comparison between the EFC
and VPC training data set.
dagem que demonstra uma performance superior referência no momento da discriminação para a
em termos de acertos na validação cruzada. construção da base de aprendizagem. Desta ma-
Na figura 16 também são mostrados os neira, pode-se analisar o caráter preditivo da dis-
histogramas das refletividades e suas combinações criminação, como exemplo, para a unidade supe-
lineares codificadas por unidade de fácies sísmi- rior do reservatório (tabela IX).
cas, na abordagem supervisionada. Na figura 17 são exibidos mapas locais em tor-
Nota-se que os valores médios das classes no dos poços P41, P46, P12 e P29 escolhidos
1 (amarelo) e 2 (laranja) são diferentes nas com- como blind tests, testes cegos. Esses poços, pelo
binações lineares 2 e 4 (diferença entre os areni- conhecimento geológico do reservatório, são a
tos muito porosos e arenitos). priori agrupados nas quatro classes de aprendiza-
gem (tabela IX). As amostras dos 121 segmentos
de traços sísmicos em torno dos poços para a uni-
dade superior do reservatório não são utilizadas
confiabilidade da na base de aprendizagem e analisa-se a capacida-

de de predição da metodologia.
discriminação - blind tests Pela análise da figura 17 constata-se que, para

a maioria dos traços, representados por peque-
Com a disponibilidade de 47 poços no Campo nos quadrados, a predição foi bem realizada. A
de Namorado, a análise de performance da dis- posição espacial do poço está no centro destes
criminação pode ser realizada em testes “cegos” mapas locais e cada pequeno quadrado represen-
a partir dos poços agrupados na mesma classe de ta um segmento de traço sísmico da unidade su-
poços típicos, mas que não foram usados como perior do reservatório.

Tabela IX
Tabela com os poços típicos
por fácies nas abordagens
EFC e CPV.
Table IX
Table containing typical
wells per facies under both
approaches - EFC and VPC.
Figura 17 - Os poços de “testes cegos” (P41, P46, P12 Figure 17 - The wells of “blind tests” (P41, P46, P12
e P29) com 121 traços na vizinhança local, codificados and P29) with 121 traces of the nearby area,
pelas fácies sísmicas (abordagem supervisionada). encoded by the seismic facies (supervised approach).

interpretação das Nas tabelas X e XI são demonstradas as carac-
terísticas estatísticas dos traços sísmicos das qua-
unidades de fácies tro classes na abordagem supervisionada pelo co-

nhecimento geológico, bem como seus parâme-
sísmicas supervisionadas tros acústicos e geológicos (espessuras acumula-

das das eletrofácies). A colocação em correspon-
Os resultados da interpretação dos mapas de uni- dência das propriedades do reservatório nos po-
dades de fácies sísmicas podem ser usados para per- ços com as unidades de fácies sísmicas usa a hipó-
furar novos poços e para definir a extensão espacial tese que o comportamento acústico local em vol-
das zonas mais homogêneas do reservatório. Estes ta dos poços é homogêneo.
mapas também poderão ser integrados nas simula- A unidade de fácies sísmicas I representa as
ções estocásticas ou de escoamento em cada unida- zonas de reservatórios dominantes a arenitos
de individualizada a partir desta interpretação. muito porosos. As médias das combinações linea-
Para a comparação dos resultados das duas res das variáveis originais (coeficientes de reflexão)
abordagens metodológicas de fácies sísmicas, não- 1 e 2 são as mais elevadas entre os atributos sís-
supervisionada e supervisionada (organograma 1), micos usados na discriminação (tabela X).
analisam-se os mapas das unidades de fácies sís- As médias dos parâmetros acústicos, velocida-
micas da unidade superior do reservatório Namo- de P intervalar, 3.343 m/s e impedância acústica
rado (figs. 18a e 18b). nos poços, 7.683 m/s.gr/cm3 são compatíveis com
A interpretação do mapa das unidades de fácies as espessuras acumuladas das fácies-perfil
sísmicas é diretamente efetuada na abordagem (eletrofácies) de arenitos muito porosos com uma
supervisionada. Portanto, ela depende da confia- média entre os 11 poços pertencendo a esta clas-
bilidade da informação geológica a priori. se. As fácies-perfil de arenitos são dominantes
sobre as argilas em segunda posição em relação
às espessuras acumuladas.
A unidade de fácies sísmicas II apresenta as mé-
dias de combinações lineares das variáveis originais
2 e 4 com os valores mais elevados entre os atribu-
tos sísmicos usados na discriminação (tabela X). As
médias dos parâmetros acústicos, 3.357 m/s e
7.759 m/s.gr/cm3, entre os seis poços pertencendo
a esta classe são ligeiramente superiores à classe I.
As médias das espessuras acumuladas demonstram
um ligeiro aumento dos arenitos.
A unidade de fácies sísmicas III é aquela que
reúne o número maior de traços sísmicos. Esta
unidade apresenta as médias de combinações li-
neares das variáveis originais 4 e 5 com os valores
maiores entre os atributos sísmicos usados na dis-
criminação (tabela XI).
Figura 18 - Mapas de unidades Figure 18 - Seismic facies As médias de parâmetros acústicos, 3.386 m/s
de fácies sísmicas da parte units maps of the superior e 7.971 m/s.gr/cm3, mostram valores um pouco
superior do reservatório part of the Namorado
maiores que a classe I, compatíveis com as espes-
Namorado: (a) abordagem reservoir: (a) non-
não-supervisionada ; supervised approach; (b)
suras acumuladas das fácies-perfil (eletrofácies) nos
(b) abordagem supervisionada. supervised approach. onze poços pertencendo a esta unidade. A uni-
dade de fácies sísmicas IV mostra as médias de

Tabela X
acústicos e geológicos das
fácies sísmicas I e II.
Table X
seismic facies I and II.
Tabela XI
acústicos e geológicos das
fácies sísmicas III e IV.
Table XI
seismic facies III and IV.

combinação lineares das variáveis originais 3 e 5
com valores maiores entre os atributos sísmicos
incertezas da classificação
usados na discriminação (tabela XI).
As médias dos parâmetros acústicos,
e amostragem de mapas
3.414 m/s e 8.043 m/s.gr/cm3, entre sete poços A grande vantagem da abordagem estatística,
pertencendo a esta unidade mostram valores mais quando comparada com a metodologia usando re-
elevados, compatíveis com as fácies de margas. des neurais, é justamente por esta trabalhar em um
Os traços médios das quatro classes das unida- contexto probabilístico, podendo-se com isso, além
des de fácies sísmicas por unidade superior do re- de construir mapas de fácies sísmicas, definir mapas
servatório são mostrados na figura 19. de incertezas associadas a cada fácies e a cada traço.
Figura 19 - Traços médios das unidades de fácies Figure 19 - Average traces of the seismic facies
sísmicas (abordagem supervisionada) para a unidade units (supervised approach) for the superior
sismoestratigráfica superior do reservatório. seismo-stratigraphic unit of the reservoir.

Os mapas das unidades de fácies sísmicas são litotipos, realizou-se uma nova re-amostragem da
construídos a partir da probabilidade máxima de malha original para 100,29 m x 100 m (fig. 21).
atribuição de cada traço desconhecido em uma Nota-se que as tendências do mapa original são en-
das classes de aprendizagem (equação 8). Por contradas nos mapas re-amostrados. Observa-se que
outro lado, existem traços nos quais esta proba- esta metodologia de up-scaling usa informações em
bilidade é pequena, representando grande incer- um grid fino (malha sísmica) e médias ponderadas
teza de atribuição do traço a uma dessas classes pela probabilidade de atribuição de cada fácies.
de aprendizagem. Realiza-se a mudança de escala para compatibilizar
Para garantir que o mapa seja o mais confiável com o grid da matriz de proporções de litotipos ou
possível, deve-se escolher um limite mínimo de mesmo para a malha do simulador de escoamento.
corte de incertezas (corte na distribuição de pro-
babilidades). Para tanto, testaram-se vários limi-
tes de probabilidades. Nas figuras 20a e 20b são
mostrados os mapas com os limites de 0.5 e 0.6
de probabilidades, respectivamente.
Definiu-se o limite de 0.6 para o mapa das unida-
des de fácies sísmicas da unidade superior do reserva-
tório (figura 20b). Os espaços vazios entre os traços
com probabilidade de atribuição superior a 0.6 serão
preenchidos por interpolação antes do processo de
simulação geoestatística. Os mapas de unidades de Figura 21 - Mapas das Figure 21 - Seismic
unidades de fácies sísmicas facies units maps for
fácies sísmicas, numa malha de 25 m x 33,43 m (grid
para a unidade the superior seismo-
sísmico), foram feitos neste estudo. sismoestratigráfica stratigraphic unit of
Com a finalidade de preparar os mapas das superior do reservatório the reservoir after
unidades de fácies sísmicas no mesmo suporte es- depois da reamostragem resamplig for the
para o grid 100 m x 100 m. 100 m x 100 m grid.
pacial das matrizes de proporções verticais de
conclusões da análise
supervisionada
Para ilustrar a interpretação das unidades de
fácies sísmicas na abordagem supervisionada, de-
talhou-se a unidade superior do reservatório Na-
Figura 20 morado, Campo de Namorado.
Mapas das unidades de A análise discriminante permite confirmar ou
fácies sísmicas com
não se as unidades de fácies sísmicas reconheci-
limites de cortes:
a) probabilidade de das nos traços sísmicos são bem individualizadas
classificação superior a do ponto de vista de suas características acústicas
0.5; b) probabilidade e/ou geológicas. As unidades de fácies sísmicas na
superior a 0.6.
abordagem supervisionada apresentam então um
significado geológico imediato.
Figure 20
Neste estudo, usaram-se dois tipos de base de
Seismic facies units maps
with limits:
aprendizagem a priori nas análises de reconheci-
a) probability of mento das formas sísmicas supervisionada: espes-
classification above 0.5; suras de eletrofácies nos poços e as curvas de pro-
b) probability above 0.6.
porções verticais de litotipos.

As análises discriminantes usadas foram baseadas terpretação direta dos sistemas deposicionais ana-
em métodos estatísticos multivariados, paramétricos lisando-se os mapas de unidades de fácies sísmi-
e não-paramétricos. Os resultados obtidos na abor- cas na abordagem supervisionada. A base dos da- Figura 22
dagem supervisionada são complementares àqueles dos supervisionada será privilegiada nas simula- a) Esquema de mapa
da análise do reconhecimento das formas na abor- ções estocásticas geoestatísticas. de fácies sísmicas;
b) matriz de propor-
dagem não-supervisionada.
ções verticais de
litotipos, litotipo 1,
mapas de fácies e a
dominante a arenitos
muito porosos; litotipo
síntese das duas abordagens matriz de proporções

2, dominante a
arenitos; litotipo 3,
dominante a clásticos
do reconhecimento de Na figura 22 é apresentado, esquematicamente,

finos; litotipo 3,
dominante a margas
formas sísmicas
o relacionamento entre os mapas de fácies sísmi- e calcilutitos.
cas e a matriz de proporções verticais de litotipos.

Os mapas de fácies sísmicas servirão de guias para Figure 22
Nota-se que a unidade de fácies sísmica su- a delimitação das regiões (segmentos) do reservató- a) Scheme of the
pervisionada I (em amarelo, dominante em areni- rio onde as curvas de proporções verticais de litotipos, seismic facies map; b)
lithotypes vertical
tos muito porosos, média de 28%) mostra uma conhecidas somente nos poços, serão distribuídas. proportions matrix,
importante superposição com a unidade de fácies Assim, os mapas definirão regiões de maior lithotype 1,
sísmica não-supervisionada 1 interpretada como homogeneidade interna, todavia, guardando a predominance of very
uma zona de reservatório de qualidade excelen- heterogeneidade global do reservatório. Portanto,
porous sandstones;
lithotype 2,
te (fig. 18a e 18b). os mapas de fácies sísmicas são ferramentas que au- predominance of
A unidade de fácies sísmica supervisionada II (em xiliam na captura da não-estacionaridade espacial, sandstones; lithotype
laranja, dominante em arenitos, média de 22%) importante para a compreensão do comportamen- 3, predominance of
mostra uma baixa superposição como a unidade to estrutural de variáveis regionalizadas quando da
fine clastics; lithotype
3. predominance of
de fácies sísmica não-supervisionada 2, interpreta- modelagem geológica 3D do reservatório. marls and calcilutites.
da como “ruídos” sísmicos (figs. 18a e 18b).
As unidades de fácies sísmicas supervisionada III
e não-supervisionada 3 mostram uma distribuição
diferente do ponto de vista espacial, mas as duas
são interpretadas como zonas de reservatório de
qualidade intermediária (figs. 18a e 18b).
A análise das duas abordagens parece tornar
evidente o interesse na abordagem supervisiona-
da pelo conhecimento geológico, permitindo de-
talhar as fácies dos reservatórios de maneira mais
significativa, tanto do ponto de vista acústico
quanto do ponto de vista geológico.
De um modo geral, a determinação das uni-
dades de fácies sísmicas, a partir dos traços pós-
inversão sismoestratigráfica e das descrições das
eletrofácies, colocou em evidência a dificuldade
de correlação direta entre as características acús-
ticas e as quatro eletrofácies identificadas inicial-
mente pela descrição dos perfis de poços.
Por outro lado, a aprendizagem a partir de
curvas de proporções verticais permite uma in-

Na figura 23 é apresentado o resultado final Os indivíduos são definidos perto dos poços
da modelagem geológica 3D, por métodos típicos do ponto de vista geológico na aborda-
geoestatísticos, simulações estocásticas de litotipos, gem supervisionada, ou estão definidos a partir
condicionadas pelo mapa de fácies sísmicas da dos diferentes modos da função densidade de pro-
unidade superior do reservatório Namorado, do babilidade na abordagem não-supervisionada.
Campo de Namorado. Os resultados mostram que os métodos es-
tatísticos multivariados utilizados para a obten-
ção dos mapas das unidades de fácies sísmicas,
no interior dos volumes das unidades
conclusões sismoestratigráficas, são instrumentos interessan-

tes para a compreensão litoestratigráfica e/ou
O método de fácies sísmicas apresentado neste petrofísica de um reservatório petrolífero, a par-
estudo descreve o encadeamento das diversas tir da base dos dados sísmicos 3D.
etapas técnicas necessárias à classificação de seg- Os mapas de fácies sísmicas permitem definir
mentos de traços sísmicos em grupos de traços uma repartição espacial tridimensional das unida-
predefinidos através de duas abordagens: não- des sismoestratigráficas do reservatório e interpre-
supervisionada e supervisionada pelo conhe- tar seu conteúdo geológico em termos de
cimento geológico, com as funções de classifica- litologias ou sistemas deposicionais. Estas informa-
ção estabelecidas pela análise estatística discri- ções servirão de variáveis de entrada para as si-
minante sobre os traços de aprendizagem ou de mulações geoestatísticas de litotipos condiciona-
seus indivíduos. das por dados sísmicos.
Figura 23 - Modelo geológico 3D da Figure 23 - 3D geological model of the

unidade superior do reservatório superior unit of the Namorado
Namorado, do Campo de Namorado. reservoir of the Namorado Field.

As análises de reconhecimento de formas sís-
micas permitiram tornar evidente a localização agradecimentos
espacial do reservatório na escala sísmica. A inter- A Evaldo Cesário Mundim e Marcos Hexsel
pretação dos mapas das unidades de fácies sísmi- Grochau pela revisão técnica, cujos comentários fo-
cas está em conformidade com as informações ram pertinentes para o aprimoramento do texto. A
oriundas dos perfis de poços. Olinto Souza Jr. pelas discussões técnicas que
Na abordagem não-supervisionada deve- auxiliaram na compreensão e na redação deste estu-
se colocar em correspondência as informações dos do. Ao coordenador do PRAVAP, Farid S. Shecaira,
poços com finalidade de dar uma interpretação pelo apoio nas pesquisas relacionadas ao tema deste
geológica e também sísmica às imagens produzi- trabalho. Ao geólogo Carlos H. L. Bruhn e ao geofísico
das a partir destes mapas. Marcos Amaral, pelo auxílio na liberação dos dados
Na abordagem supervisionada, a interpre- para que as referidas pesquisas fossem realizadas.
tação dos mapas é direta, já que as informações Agradeço à Petrobras pela autorização para a
dos poços são usadas para guiar a aprendizagem publicação deste trabalho.
necessária à classificação do conjunto dos seg-
mentos de traços sísmicos. Ela pode ser aplicada
a cada uma das unidades sismoestratigráficas de
alta resolução do reservatório Namorado, Cam-
po de Namorado.
referências bibliográficas
Do ponto de vista da caracterização geológica
do reservatório estudado, as unidades de fácies BAYES, T. Essay towards solving a problem doctrine
sísmicas tornaram evidentes os depósitos de are- of chances, 1763, republish in Biometrika, v. 45,
nitos muito porosos nas três unidades analisadas. p. 298-315.
Os arenitos menos porosos mostram uma distri-
buição mais canalizada. Os turbiditos finos e os DUMAY, J.; FOURNIER, F. Multivariate statistical
folhelhos são distribuídos entre os arenitos confi- analysis applied to seismic facies recognition.
nados e as canalizações. As margas e calcilutitos Geophysics, Tulsa, Okla., v. 53, n. 9, p. 1151-
estão presentes na parte sudeste, norte e noroes- 1159. 1988.
te do reservatório.
Como conclusão, obteve-se uma repartição FIX, E.; HODGES, J. L. Discriminatory analysis
espacial das três unidades sismoestratigráficas de nonparametric discrimination: consistency
alta resolução do reservatório, a partir da delimi- properties. Randolph Field, Tex.: Brooks Air For-
tação das suas unidades de fácies sísmicas. Essas ce Base. USAF School of Aviation Medicine, 1951.
unidades são interpretadas como representativas Report n. 4. Project n. 21-49-004.
do sistema deposicional constituindo o Sistema de
Turbiditos de Namorado. FOURNIER, F. Application de l’analyse des données
Os três mapas das unidades de fácies sísmicas e à l’exploration pétrolière: caractérisation des
os respectivos mapas de incertezas na atribuição faciès sismiques par analyses statistiques
destas fácies, obtidos neste estudo, auxiliam o multivariables. Nancy, France: Institut National
melhor entendimento da variabilidade acústica e Polytechinique de Lorraine, 1990. Tese (Doutorado).
geológica (sistema deposicional) do reservatório.
Eles servirão de dados de entrada para condicionar ______; DERAIN, J. F. A statistical methodology for
as simulações geoestatísticas integrando as informa- deriving reservoir properties from seismic data.
ções sísmicas em profundidade e em alta resolução Geophysics, Tulsa, Okla., v. 60, n. 5, p. 1437-
na modelagem geológica 3D do reservatório. 1450, 1995.

HAGEN, D. C. The application of principal KUBICHECK, R. F.; QUINCY, E. A. Statistical
components analysis to seismic data sets. modeling and feature selection for seismic pattern
Geoexploration, Amsterdam, v. 20, n. 1/2 , recognition. Pattern recognition, [S.l.], v. 18,
p. 93-111. Oct. 1982. n. 6, p. 441-448, 1985.
HOTELLING, H. Relations between two sets of LENDZIONOWSKI, V.; WALDEN, A. T.; WHITE, R. E.,
variables. Biometrika, Oxford, v. 28, p. 321- Seismic character mapping over reservoir intervals.
377, 1936. Geophysical Prospecting, Oxford, v. 38,
p. 951-969, 1990.
JOHANN, P. R. S.; FOURNIER, F.; SOUZA JUNIOR,
O.; ESCHARD, R. ; BEUCHER, H. 3-D Stochastic LOFTSGAARDEN ; QUESENENBERRY, A non
reservoir modeling constrained by well and seismic parametric estimate of a multivariate density
data on a turbidite field. In: SPE Technical function. Annalytical Mathematical Statistic.
Conference and Exhibition, 1996, Denver, Colo. [S.l.], v. 36, p. 1049-1051. 1965.
Selected paper… [S.l.]: Society of Petroleum
Engineers, 1996. p. 51-66. MATHIEU, P. G. ; RICE, G. W., Multivariate analysis
used in the detection of stratigraphic anomalies
______. Inversion sismo-stratigraphique et from seismic data, Geophysics, Tulsa, Okla, v. 34,
simulations stochastique en 3D. Paris: p. 507-515. 1969.
Université Pierre et Marie Curie, 1997. Tese
(Doutorado). MATOS, M.; JOHANN, P.; OSÓRIO, P. Using wavelet
transform and self organizing maps for seismic
______; RIBET, B. Multivariate seismic pattern reservoir characterization of a deep-water field,
recognition and Kohonen maps applied a Campos basin, Offshore Brazil. In: EUROPEAN
deepwater turbidite reservoir in Campos Basin, ASSOCIATION OF GEOSCIENTISTS AND ENGINEERS
Brazil. In: INTERNATIONAL CONGRESS OF THE MEETING, 65., 2003, Stavanger. Abstracts… [S.l.]:
BRAZILIAN GEOPHYSICAL SOCIETY, 6., 1999, Rio European Association of Geoscientists and
de Janeiro. Proceedings… Rio de Janeiro: Socie- Engineers, 2003.
dade Brasileira de Geofísica, 1999. 1 CD ROM.
MITCHUM, R. M. Glossary of terms used in seismic
JOHANN, P.; CASTRO, D. D. de; BARROSO, A. S. stratigraphy. In: Payton, C. (Ed.) Seismic
3-D stochastic reservoir modeling: a non stationary Stratigraphic - application to hydrocarbon
approach guided by seismic data. In: SOCIETY OF exploration. Tulsa, Okla : American Association of
PETROLEUM ENGINEERS. LATIN AMERICAN AND Petroleum Geologists, 1977. p. 205-212. (American
CARIBBEAN PETROLEUM ENGINEERING Association of Petroleum Geologists. Memoir, 26).
CONFERENCE, 7., 2001, Buenos Aires, Argentina.
Papers… Richardson, Tex.: Society of Petroleum ______ ; VAIL, P. R.; SANGREE, J. B. Stratigraphic
Engineers, 2001. interpretation of seismic reflection patterns in
depositional sequences, part six. In: Payton, C. (Ed.)
KHATTRI, K.; SINVHAL, A.; AWASTHI, A. K. Seismic Seismic stratigraphic - application to
discrimination of stratigraphy derived from Mon- hydrocarbon exploration. , Tulsa, Okla :
te-Carlo simulation of sedimentary formations. American Association of Petroleum Geologists,
Geophysical Prospecting, Oxford, v. 27, p. 168- 1977. (American Association of Petroleum
195, 1979. Geologists. Memoir, 26) .
KOHONEN, T. Self-organizing maps. New York: MORICE, M.; KESKES, N.; JEANJEAN, F. Manual and
Springer, 2001. Incorporated 3RD. automatic seismic facies on SISMAGE worstation:

un example of image analysis technique applied
to the exploration of Perdana-Nakhoda turbidic
fan complex (Pliocene offshore Brunei), IMA3G
research project, Elf aquitaine production.
In: SOCIETY OF EXPLORATION GEOPHYSICISTS.
INTERNATIONAL MEETING, 66., 1996, Denver.
Expanded abstracts... Tulsa, Okla. : Society of
Exploration Geophysicists, 1996.
SINVHAL, A. ; KHATTRI, K., Application of seismic

reflection data to discriminate subsurface
lithostratigraphy, Geophysics, Tulsa, Okla v. 49,
n. 8, p. 1196-1212. 1983.
SOUZA JR. Stratigraphie séquentielle et

modélisation probabiliste d’un réservoir
turbiditique. Paris: l’Université de Paris, 1997.
Tese (Doutorado).
WONG, M. A.; SCHAACK, C. Using the Kth Nearest

neighbor clustering procedure to determine the
number of subpopulations. In: AMERICAN
STATISTICAL ASSOCIATION. STATISTICAL
COMPUTING SECTION, 1982. Proceedings…
[S.l.: s.n.], 1982. p. 40-48.

expanded abstract 4) it provides results about depth and scale of the wells
profiles, that is, seismic data are integrated into the
The purpose of this study is to present the characterization of the depth of the reservoirs and into
methodology used in the seismic pattern recognition, high resolution maps.
seismic facies under two methodological approaches: Thus, when seismic facies are interpreted as vertical
i) non-supervised and ii) supervised. proportion curves or matrixes, a very important tool
The non-supervised methodology of seismic facies can be built to perform a structured analysis of
consists in four steps: 1) spatial and time-slice regionalized variables. These matrixes have a very
segmentation of the original seismic data generated important application in geostatistical simulations to
from seismic processing and also from the choice of add to the geological data of 3D geological modeling.
the best attributes to discriminate the geological The methodology discussed herein clearly shows
traces of interest; 2) estimation of the density how to build an exploratory table of seismic data, which
function of these attributes; 3) non-parametrical is the first step of the codification of physical measures
discriminating analysis or neural networks to classify to be analyzed using the multivariate statistical
the less typical attributes revealed by the density methods and/or neural networks. The space of
function estimation; 4) interpretation of seismic facies observations (seismic traces) and of the explanatory
maps or volumes. variables (attributes) is discussed in detail in this paper.
Supervised methodology includes four steps: Multivariate statistical analysis methods for the
1) spatial and time-slice segmentation and the choice Main Components, Density Function Estimation,
of seismic attributes; 2) choice of typical wells that Parametrical and Non-parametrical Discriminating
will represent the geological knowledge available about Analysis are presented and discussed in the application
the wells studied and the definition of a neighborhood of seismic pattern recognition.
for the wells so that their attributes can be extracted; The data used as conceptual pilots to apply this
3) discriminating analysis to classify the non typical methodology were the information about the Namorado
data a priori; 4) seismic interpretation of the seismic reservoir, Namorado Field in the Campos Basin.
facies maps or volumes. 3D seismic data were not used in the discovery
The seismic facies method presented herein phase, nor for the delimitation, nor in the definition of
describes them as representatives of lithotype vertical the production development wells of this field. Eight
proportions curves and matrixes (Johann, 1997). 2D seismic lines were used for this purpose instead.
Seismic facies are of great interest because they At the time this seismic pattern recognition
capture the spatial repartition (3D) of regionalized procedure was applied, the information was used only
variables, such as lithotypes, sedimentary facies groups for regional mapping and to map the external geometry
or porosity or even other properties of reservoirs and of this field. Pioneer research work of acoustic
they integrate them into the 3D geological modeling. impedance inversion has already shown the potential
The robustness of this procedure is a consequence of 2D seismic data of this field for the characterization
of four important technical aspects: 1) pattern of the reservoirs.
recognition provides variations in detecting the The seismic pattern recognition approach discussed
morphology of the seismic trace, not necessarily in this study privileges mapping the internal geometry
mapable in the traditional seismic interpretation of the Namorado reservoir of the Namorado Field.
(resolution power versus seismic detection); 2) the Results show that non-parametrical multivariate
lithotype vertical proportion curves capture the vertical statistical methods used to obtain these maps of seismic
stacking of the association of sedimentary facies that facies units, inside the volumes of the high resolution
are more compatible with the surface seismic resolution seismo-stratigraphic units are interesting tools for the
(there is more coherence in the integration of data lithostratigraphic and/or petrophysical compression of
from different supports in geological modeling); 3) the a petroleum reservoir.
lithotype vertical proportions matrix guided by seismic In the case studied herein, the seismic facies units
facies is a tool that is able to capture the spatiality of have been interpreted as representatives of the
variables that can be regionalizable (complementary depositional system that constitutes the Namorado
to the concept of variogram in geostatistics); Turbidites System, Namorado Field, Campos Basin.
354 Fácies sismicas

sísmicas - Paulo Roberto Schroeder Johann
Within the scope of PRAVAP 19 (Programa
Estratégico de Recuperação Avançada de Petróleo - autor author
Sísmica de Reservatório / Strategic Program of
Advanced Petroleum Recovery - Reservoir Seismics)
there is ongoing algorithm research work in order to Paulo Roberto Schroeder Johann
select optimized attributes to apply seismic facies. One E&P Corporativo
of these new attributes is extracted from the wavelet
Gerência de Reservas e Reservatórios
transformation and from the time-frequency analysis
methodology (Matos et al. 2003). There is also ongoing Caracterização de Reservatórios
research work on the optimized application of Kohonen e-mail: johann@petrobras.com.br
type neural networks.
Paulo Roberto Schroeder Johann nasceu em Lajeado, Rio Grande do

Sul, em 31 de outubro de 1957. Graduou-se em Geologia pela
Universidade Vale do Rio dos Sinos - UNISINOS em 1980. Na Petrobras
desde 1981, fez o Curso Introdutório em Geofísica - CIGEF, no Setor de
Ensino da Bahia; trabalhou como geofísico de campo na Amazônia até
1984, quando fez o Curso de Aperfeiçoamento em Geofísica - CAGEF,
no Setor de Ensino no Rio de Janeiro; trabalhou até 1988 no Setor de
Aquisição de Dados Geofísicos; de 1989 a 1993 chefiou o Setor de
Controle de Qualidade de Aquisição de Dados Geofísicos; de 1993 a
1994 fez o mestrado em Métodos Quantitativos de Geociências na
Escola Pierre e Marie Curie - Paris VI; de 1994 a 1997 cursou e doutorou-
se em Geofísica de Reservatório pela Universidade de Paris VI; de 1997
a 2000 trabalhou na Gerência de Reservas e Reservatório. Em 2001 foi
nomeado Consultor Técnico em Geofísica de Reservatório; de 2001 ao
presente trabalha na Gerência de Caracterização de Reservatórios do
Segmento da Exploração e Produção da Petrobras. Em 2003, cursou o
MBA em Gerência de Projetos pela Fundação Getúlio Vargas. Em 2004
foi nomeado Consultor Sênior em Geofísica de Reservatório.

Seismic facies classification using multivariate statistics

Caricato da

Informazioni sul documento

Titolo originale

Copyright

Formati disponibili

Condividi questo documento

Condividi o incorpora il documento

Opzioni di condivisione

Hai trovato utile questo documento?

Questo contenuto è inappropriato?

Copyright:

Formati disponibili

Seismic facies classification using multivariate statistics

Caricato da

Copyright:

Formati disponibili

Fácies sísmicas

Paulo Roberto Schroeder Johann

resumo nada e ii) supervisionada pelo conhecimento geológi-

B. Geoci. Petrobras, Rio de Janeiro, v. 12, n. 2, p. 317-355, maio/nov. 2004 317

318 Fácies sísmicas - Paulo Roberto Schroeder Johann

metodologia de reconhecimento de formas, pode-se explorar

B. Geoci. Petrobras, Rio de Janeiro, v. 12, n. 2, p. 317-355, maio/nov. 2004 319

de fácies sísmicas ou de para a estratigrafia sísmica ou sismoestratigrafia.

fácies sísmicas interpretações qualitativas estão bem ilustrados

320 Fácies sísmicas - Paulo Roberto Schroeder Johann

B. Geoci. Petrobras, Rio de Janeiro, v. 12, n. 2, p. 317-355, maio/nov. 2004 321

322 Fácies sísmicas - Paulo Roberto Schroeder Johann

reconhecimento de trica da função de densidade no espaço dos atri-

formas sísmicas Em seguida, pesquisam-se os indivíduos repre-

metodologia de proposto originalmente por Loftsgaarden e

reconhecimento de formas A equação 1 demonstra o estimador da função

sísmicas não-supervisionadas tínua e aplicada sobre um ponto x = (x1, ...xp), em um

B. Geoci. Petrobras, Rio de Janeiro, v. 12, n. 2, p. 317-355, maio/nov. 2004 323

onde, f(x) é o estimador da densidade no ponto x;

324 Fácies sísmicas - Paulo Roberto Schroeder Johann

B. Geoci. Petrobras, Rio de Janeiro, v. 12, n. 2, p. 317-355, maio/nov. 2004 325

326 Fácies sísmicas - Paulo Roberto Schroeder Johann

aplicação no reservatório Figura 3

Namorado, Campo de Namorado litotipos. A zona

ordem elevada, ou seja, o número de amostras yellow area corresponds

B. Geoci. Petrobras, Rio de Janeiro, v. 12, n. 2, p. 317-355, maio/nov. 2004 327

328 Fácies sísmicas - Paulo Roberto Schroeder Johann

B. Geoci. Petrobras, Rio de Janeiro, v. 12, n. 2, p. 317-355, maio/nov. 2004 329

330 Fácies sísmicas - Paulo Roberto Schroeder Johann

modos da função densidade de densidade, representa-se a evolução do número

B. Geoci. Petrobras, Rio de Janeiro, v. 12, n. 2, p. 317-355, maio/nov. 2004 331

As posições dos traços sísmicos da base de

332 Fácies sísmicas - Paulo Roberto Schroeder Johann

B. Geoci. Petrobras, Rio de Janeiro, v. 12, n. 2, p. 317-355, maio/nov. 2004 333

334 Fácies sísmicas - Paulo Roberto Schroeder Johann

B. Geoci. Petrobras, Rio de Janeiro, v. 12, n. 2, p. 317-355, maio/nov. 2004 335

336 Fácies sísmicas - Paulo Roberto Schroeder Johann

B. Geoci. Petrobras, Rio de Janeiro, v. 12, n. 2, p. 317-355, maio/nov. 2004 337

338 Fácies sísmicas - Paulo Roberto Schroeder Johann

B. Geoci. Petrobras, Rio de Janeiro, v. 12, n. 2, p. 317-355, maio/nov. 2004 339

340 Fácies sísmicas - Paulo Roberto Schroeder Johann

Constata-se que no caso do reservatório Namo-

B. Geoci. Petrobras, Rio de Janeiro, v. 12, n. 2, p. 317-355, maio/nov. 2004 341

342 Fácies sísmicas - Paulo Roberto Schroeder Johann

confiabilidade da na base de aprendizagem e analisa-se a capacida-

discriminação - blind tests Pela análise da figura 17 constata-se que, para

B. Geoci. Petrobras, Rio de Janeiro, v. 12, n. 2, p. 317-355, maio/nov. 2004 343

344 Fácies sísmicas - Paulo Roberto Schroeder Johann

unidades de fácies tro classes na abordagem supervisionada pelo co-

sísmicas supervisionadas tros acústicos e geológicos (espessuras acumula-

B. Geoci. Petrobras, Rio de Janeiro, v. 12, n. 2, p. 317-355, maio/nov. 2004 345

346 Fácies sísmicas - Paulo Roberto Schroeder Johann

B. Geoci. Petrobras, Rio de Janeiro, v. 12, n. 2, p. 317-355, maio/nov. 2004 347

348 Fácies sísmicas - Paulo Roberto Schroeder Johann

síntese das duas abordagens matriz de proporções

do reconhecimento de Na figura 22 é apresentado, esquematicamente,

cas e a matriz de proporções verticais de litotipos.

B. Geoci. Petrobras, Rio de Janeiro, v. 12, n. 2, p. 317-355, maio/nov. 2004 349

conclusões sismoestratigráficas, são instrumentos interessan-

Figura 23 - Modelo geológico 3D da Figure 23 - 3D geological model of the

350 Fácies sísmicas - Paulo Roberto Schroeder Johann

B. Geoci. Petrobras, Rio de Janeiro, v. 12, n. 2, p. 317-355, maio/nov. 2004 351

352 Fácies sísmicas - Paulo Roberto Schroeder Johann