Unsupervised seismic facies classification applied to a presalt carbonate reservoir, Santos Basin, offshore Brazil
Notice bibliographique
Résumé
ABSTRACT Mapping of seismic and lithological facies is a very complex process, especially in regions with low seismic resolution caused by extensive salt layers, even when only an exploratory view of the distribution of the reservoir facies is required. The aim of this study was to apply multi-attribute analysis using an unsupervised classification algorithm to map the carbonate facies of an exploratory presalt area located in the Outer high region of the Santos Basin. The interval of interest is the Barra Velha Formation, deposited during the Aptian, which represents an intercalation of travertines, stromatolites, grainstones and spherulitic packstones, mudstones, and authigenic shales, which were deposited under hypersaline lacustrine conditions during the sag phase. A set of seismic attributes, calculated from a poststack seismic amplitude volume, was used to characterize geological and structural features of the study area. We applied k-means clustering in an approach for unsupervised seismic facies classification. Our results show that at least three seismic facies can be differentiated, representing associations of buildup lithologies, aggradational or progradational carbonate platforms, and debris facies. We quantitatively evaluated the seismic facies against petrophysical properties (porosity and permeability) from available well logs. Seismic patterns associated with the lithologies helped identify new exploration targets.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,007 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».