Identificação de fáceis reservatório em perfis de poço através de rede neural multicamadas

O aumento da produção de hidrocarbonetos em um campo petrolífero é de extrema importância para a indústria do petróleo e profundamente dependente do conhecimento dos reservatórios em função das suas propriedades petrofísicas, que variam segundo as diversas fácies geológicas atravessadas pelos poços. A mais completa descrição das fácies reduz potencialmente os erros na predição destas propriedades, refletindo em estimativas de volumes de hidrocarboneto mais realistas. A aplicação das técnicas de testemunhagem é, normalmente, realizada em um número restrito de poços perfurados em um campo, fazendo com que descrições detalhadas das fácies, pela análise de testemunhos, tornem-se rarefeitas e conseqüentemente não permitindo uma caracterização realista dos reservatórios. Neste trabalho é apresentado um algoritmo inteligente capaz de produzir o transporte da informação das fácies realizada pela análise do testemunho para todos os poços perfilados em um campo petrolífero, através do projeto de uma rede neural treinada para realizar um mapeamento da informação geológica extraída do testemunho em termos das propriedades físicas registradas nos perfis. A aplicabilidade desta metodologia é verificada com a utilização de três poços offshore, testemunhados e perfurados no Campo de Namorado, Bacia de Campos, Brasil. Para os casos aqui avaliados a rede neural apresentou resultados compatíveis com a análise de testemunho e de forma completamente independente da dimensão do conjunto de treinamento.