Professional Documents
Culture Documents
Instituto de Geociências
Departamento de Geologia e Recursos Naturais
Mateus Basso
Campinas - SP
Junho de 2015
UNIVERSIDADE ESTADUAL DE CAMPINAS
Instituto de Geociências
Departamento de Geologia e Recursos Naturais
Mateus Basso
Banca Examinadora:
Prof. Dr. Alexandre Campane Vidal (Orientador)
Prof. Dr. Alessandro Batezelli
Msc. Flavia Callefo, Doutoranda do programa de Pós-Graduação do Instituto de
Geociências.
ii
AGRADECIMENTOS
A minha família, principalmente aos meus pais, Antônio Carlos Basso e Maria
Neide Cardoso de Morais Basso pelo apoio, incentivo e amor incondicional.
iii
RESUMO
iv
ABSTRACT
v
SUMÁRIO
AGRADECIMENTOS ....................................................................................................................................iii
RESUMO ........................................................................................................................................................iv
ABSTRACT ....................................................................................................................................................v
1. INTRODUÇÃO .......................................................................................................................................... 1
vi
4.3. Introdução ................................................................................................................................................ 29
5. CONCLUSÃO ...........................................................................................................................................49
vii
ÍNDICE DE FIGURAS
Figura 1: Permeâmetro Portátil Tiny Perm 2. As setas indicam o aparelho e o microcontrolador. ....... 4
Figura 2: Malhas de pontos de medição de permeabilidade para a amostra de coquina (A) e
travertino (B). ................................................................................................................................... 5
Figura 3: Medição de gamaespectrometria sobre as faces do bloco de travertino (A) e leitura de dos
valores de taxa dose e concentração de K, U e Th (B). ................................................................. 6
Figura 4: Visualização do resultado da técnica tomografia computadorizada aplicada sobre a amostra
de coquina utilizando o software MATLAB (The Math Works Inc.). ................................................ 7
Figura 5: Modelo esquemático de funcionamento de da rede neural de múltiplas camadas
apresentando as camadas de entrada, intermediarias e de saída (Soares e Silva, 2011). ........... 8
Figura 6: Modelo tridimensional da distribuição das medições de gama espectrometria para as faces
do bloco de travertino. ................................................................................................................... 10
Figura 7: Distribuição das medidas de permeabilidade realizadas com o permeâmetro portátil. ....... 15
Figura 8: Imagens base para a aplicação do método redes neurais de múltiplas camadas. Em 2A
imagem resultante de escaneamento convencional da superfície da amostra. Em 2B imagem
obtida a partir da tomografia computadorizada da amostra. ........................................................ 16
Figura 9: Dados de permeabilidades derivados dos 20 plugues medidos pelo permeâmetro de
laboratório (ultraperm), permeâmetro portátil (tinyperm) e dados resultantes da aplicação do
favor de correção para amostras não confinadas (tinyperm_c). ................................................... 18
Figura 10: Camadas com diferentes litologias que compões a amostra alvo. Destaque para a camada
composta de rudstone sem matriz (C4) visivelmente porosa. ...................................................... 19
Figura 11: (A) Mapeamento das zonas de maior permeabilidade da amostra, mostrando a alta
permeabilidade da camada classificada como rudstone sem matriz. (B) Histograma mostrando a
distribuição dos 75 valores de permeabilidade obtidos através do permeâmetro portátil (C)
Histograma gerado a partir da exclusão dos valores referentes a linha de medição L4,
apresentando uma distribuição próxima a normal. ....................................................................... 21
Figura 12: Resultado do processo redes neurais de múltiplas camadas aplicado em imagens
resultantes de escaneamento convencional (A) e imagem de tomografia computadorizada (B).
Fornecendo a distribuição de poros e a relação com a permeabilidade para os 5 horizontes
identificados. .................................................................................................................................. 22
Figura 13: (A).Modelo em 3D obtido através do processamento dos dados de permeabilidade junto a
imagem de tomografia a partir da técnica redes neurais de múltiplas camadas. (B) Este método
permite investigar o comportamento da distribuição permo-porosa em profundidade. ................ 23
Figura 14: Amostra de travertino T-block, e a malha regular construída em suas faces. A face
esquerda representa a seção basal enquanto a direita o perfil vertical. ....................................... 34
Figura 15: Carregamento das malhas e processamento de dados. A: gama espectrometria –DR. B:
permeabilidade. ............................................................................................................................. 35
Figura 16: A, B: Acamamento bem definido do bloco de travertino com camadas onduladas na base
gradando a plano paralelas no topo. C, D: Estruturas ramificadas bem desenvolvidas,
sobrepostas por esteiras irregulares. E, F: Estrutura arbustiva com grau de desenvolvimento
intermediário na região central do bloco. G, H: Estrutura arbustiva pouco desenvolvida próximo
ao topo do bloco. ........................................................................................................................... 37
Figura 17: Resultado da binarização, segmentação dos poros e calculo de porosidade para os perfis
verticais (A) e (B), seção basal (C) e seção de topo (D)............................................................... 39
Figura 18: Histograma representando a frequência dos valores de permeabilidade para 20 diferentes
classes, com a grande maioria dos dados abaixo de 500 mD. .................................................... 40
Figura 19: Mapeamento 2D da permeabilidade para o perfil vertical 1 obtido pela correlação entre
valores de permeabilidade e a propriedade RGB de cada ponto de medição por meio da técnica
redes neurais de múltiplas camadas. ............................................................................................ 42
viii
Figura 20: Modelos 3D gerados a partir da krigagem dos dados de espectrometria de raios gama
para a taxa dose (A), concentração de potássio (B), tório (C) e urânio (D). ................................. 43
Figura 21: Correlação entre o acamamento sedimentar e a variação espacial da concentração de
potássio para o perfil vertical do travertino. Os maiores valores de potássio estão relacionados as
camadas inferiores, gradando a menores valores nas camadas superiores. .............................. 44
ix
ÍNDICE DE TABELAS
Tabela 1: Lista dos algoritmos de ativação treinados pela rede MLP. O menor erro foi associado a
função de Levenberg-Marquardt, utilizada para predição de permeabilidade. ............................... 9
Tabela 2: Média das 5 linhas de medição realizadas com o permeâmetro portátil. ............................ 20
Tabela 3: Comparação entre os valores de permeabilidade entre as seções e os perfis verticais. .... 41
Tabela 4: Comparação entre os valores de permeabilidade para as porções inferiores e superiores
dos perfis verticais. ........................................................................................................................ 41
Tabela 5: Concentrações médias dos elementos e taxa dose para cada umas das quatro faces
analisadas. .................................................................................................................................... 43
x
1. INTRODUÇÃO
2. MATERIAIS E MÉTODOS
T=-0.8206log10(k) + 12.8737
4
Figura 2: Malhas de pontos de medição de permeabilidade para a amostra de coquina (A) e travertino
(B).
5
Figura 3: Medição de gamaespectrometria sobre as faces do bloco de travertino (A) e leitura de dos
valores de taxa dose e concentração de K, U e Th (B).
𝐼 = 𝐼 0 𝑒 −µ𝑥 ,
Sendo:
I= Intensidade medida sem o elemento atenuador
I0 = Intensidade medida após o elemento atenuador
u= coeficiente de atenuação linear
x= espessura do objeto atenuador.
6
Figura 4: Visualização do resultado da técnica tomografia computadorizada aplicada sobre a amostra
de coquina utilizando o software MATLAB (The Math Works Inc.).
A rede neural MLP foi essencial para a correlação e predição dos valores
de permeabilidade para a amostra de coquina. O método foi aplicado em imagem
resultante do escaneamento convencional da amostra, bem como no modelo gerado
pela tomografia computadorizada. Ambas as imagens foram submetidas ao mesmo
8
treino computacional, porém para a imagem escaneada foram analisadas as
intensidades de pixel em RGB, totalizando 7.500.000 amostras, enquanto que a
imagem resultante da tomografia foi estudado o atributo referente à densidade da
imagem, totalizando 791.552 amostras. A estes atributos foram associados os
valores de permeabilidade calculados com o uso do permeâmetro portátil através do
treino de 75 pontos.
Tabela 1: Lista dos algoritmos de ativação treinados pela rede MLP. O menor erro foi
associado a função de Levenberg-Marquardt, utilizada para predição de
permeabilidade.
Algoritmo Erro
Levenberg-Marquardt 1.76867
Bayesian Regularization 1.85468
BFGS Quase- Newton 1.78542
Resilient Backpropagation 1.9456
Scaled Conjugate Gradient 1.7881
Conjugate Gradient with Powell/Beale Restarts 1.8524
Fletcher-Powell Conjugate Gradient 1.9974
Polak-Ribiére Conjugate Gradient 2.547
One Step Secant 1.7787
Variable Learning Rate Gradient Descent 1.9321
Gradient Descent with Momentum 1.9866
Gradient Descent 1.8479
De forma análoga, o mesmo procedimento foi realizado para uma das faces
do travertino correspondente ao perfil vertical, buscando entender a distribuição
espacial da permeabilidade segundo a sucessão das camadas. Contudo, devido à
escala da amostra que possui dimensões métricas, o imageamento por
escaneamento e tomografia foi inviabilizado. Desta forma, foi utilizada uma foto em
alta resolução.
9
As intensidades de pixels RGB foram associadas a 186 valores de
permeabilidade. O treino foi realizado a partir de 19 neurônios na camada oculta e
com a função Levenberg-Marquartdt com erro associado de 1.15.
2.3.3. Krigagem
Figura 6: Modelo tridimensional da distribuição das medições de gama espectrometria para as faces
do bloco de travertino.
10
2.4. Interpretação dos Resultados
11
3. ARTIGO – MODELAMENTO 2D E 3D DA PERMO-POROSIDADE DE
AMOSTRAS DE ROCHAS CARBONÁTICAS
3.1. Resumo
3.2. Abstract
The petrophysical characterization of heterogenic limestones, with focus on permeability and porosity
analysis, have great importance for oil and gas production, mainly by defining the recovery factor of oil
of the reservoir rock. This paper proposes a method to predict the perm-porous distribution in two and
three dimensions of carbonate rock samples by applying the multilayer neural network computational
technique MPL (multilayer perceptron) to the correlation between data obtained by permeability tests
using a portable permeameter and attributes of images generated from different sources (conventional
scanning and computerized tomography). The method was tested on a sample of coquina from Morro
do Chaves formation, with visible small scale textural differences that were reproduced by the resulting
images
12
3.3. Introdução
3.4. Metodologia
15
mínimos quadrados, utilizados para ajuste dos pesos em direção aos dados de
entrada, a fim de diminuir o erro encontrado.
Figura 8: Imagens base para a aplicação do método redes neurais de múltiplas camadas. Em 2A
imagem resultante de escaneamento convencional da superfície da amostra. Em 2B imagem obtida a
partir da tomografia computadorizada da amostra.
17
Figura 9: Dados de permeabilidades derivados dos 20 plugues medidos pelo permeâmetro de
laboratório (ultraperm), permeâmetro portátil (tinyperm) e dados resultantes da aplicação do favor de
correção para amostras não confinadas (tinyperm_c).
18
C2 possui maior conteúdo de argila e uma disposição menos regular dos grãos, com
alguns bioclastos dispostos com o eixo maior perpendicular ao plano de deposição.
Os níveis classificados como packstone (C3 e C5) são similares entre si, com
menor densidade de conchas, que não apresentam um padrão de imbricamento
visível como em C1 e C2. Estas camadas são matriz suportadas por material de
coloração clara característico da substituição de matriz micrítica por material
esparítico, com ausência de matriz siliciclástica.
Figura 10: Camadas com diferentes litologias que compões a amostra alvo. Destaque para a camada
composta de rudstone sem matriz (C4) visivelmente porosa.
19
a média das medidas realizadas pelo permeâmetro portátil foi de 133,4mD, estando
três ordens de grandeza acima. Esta diferença ocorreu principalmente pelo fato de
que os plugues foram retirados das porções superiores da amostra, visivelmente
menos porosas e mais cimentadas.
20
Figura 11: (A) Mapeamento das zonas de maior permeabilidade da amostra, mostrando a alta
permeabilidade da camada classificada como rudstone sem matriz. (B) Histograma mostrando a
distribuição dos 75 valores de permeabilidade obtidos através do permeâmetro portátil (C) Histograma
gerado a partir da exclusão dos valores referentes a linha de medição L4, apresentando uma
distribuição próxima a normal.
21
Figura 12: Resultado do processo redes neurais de múltiplas camadas aplicado em imagens
resultantes de escaneamento convencional (A) e imagem de tomografia computadorizada (B).
Fornecendo a distribuição de poros e a relação com a permeabilidade para os 5 horizontes
identificados.
22
O uso da imagem gerada pelo escaneamento convencional gerou como
resultado uma imagem com maior resolução, apresentando uma distribuição permo-
porosa mais detalhada em relação à imagem de tomografia. O uso desta última
gerou ainda anomalias próximas à borda da imagem, principalmente na borda
inferior onde ocorre uma faixa contínua com valores muito elevados (efeito de
borda). Este efeito foi gerado por irregularidades na superfície da amostra, gerando
porções na imagem com menor densidade, as quais o método interpretou como
sendo mais permeáveis.
Figura 13: (A).Modelo em 3D obtido através do processamento dos dados de permeabilidade junto a
imagem de tomografia a partir da técnica redes neurais de múltiplas camadas. (B) Este método
permite investigar o comportamento da distribuição permo-porosa em profundidade.
3.6. Conclusão
23
sistema nervoso central através de “neurônios” ou nós computacionais, garantindo
assim a elevada capacidade para o reconhecimento de padrões.
24
3.7. Agradecimentos
27
4. ARTIGO – ANÁLISE GEOLÓGICA E PETROFÍSICA DE UM BLOCO DE
TRAVERTINO
4.1. Resumo
4.2. Abstract
Microbialitic limestones are gaining space in petroleum geology due to the existence of
many reservoirs composed of these lithologies in the pre-salt producing fields. Travertine,
calcareous tufa and stromatolites figure among the rocks proposed as analogous for the
microbialitic rocks. This work conduces the study of geological, petrophysical and
geophysical parameters of a travertine block measuring 1,60x1,60x2,70m and weighing
21.2 ton available in the “Centro de Estudo do Petroleo” (CEPETRO) at the “Universidade
Estadual de Campinas”. The Italian block, named T-block, corresponds to the
representative elementary volume of its original formation and allows the study in an
intermediate scale between the hand sample and the outcrop. Permeability tests and ray
spectrometric measurements were conducted and the porosity was calculated by image
analysis. Models were generated from the data obtained and then associated with
descriptive geology of the block. A standard reduction in permeability, porosity and
concentration of elements K, U and Th was recorded, following a gradient towards the top
of the T-block accompanying the reduction in the degree of development of the rock fabric.
28
4.3. Introdução
29
Diversas técnicas analíticas não destrutivas foram aplicadas ao T-block,
visando entender seu comportamento segundo parâmetros geológicos,
composicionais e petrofísicos. O bloco foi descrito macroscopicamente buscando, se
identificar os três principais critérios propostos por Pentecost e Viles (1994): sua
composição, fábrica e morfologia. Dados de permeabilidade e composição gama
espectrométrica foram coletados, assim como imagens que permitiram o
modelamento em duas e três dimensões das propriedades estudadas.
4.4.1. Travertino
4.4.2. Porosidade
4.4.3. Permeabilidade
31
a magnitude do fluxo de fluido e por consequência, otimizar a fator de recuperação
de óleo e gás.
33
Figura 14: Amostra de travertino T-block, e a malha regular construída em suas faces. A face
esquerda representa a seção basal enquanto a direita o perfil vertical.
34
Figura 15: Carregamento das malhas e processamento de dados. A: gama espectrometria –DR. B:
permeabilidade.
4.6.1. Geologia
35
vales, que gradam a camadas com espessuras menores de até 4cm, plano paralelas
(figura 16B).
Figura 16: A, B: Acamamento bem definido do bloco de travertino com camadas onduladas na base
gradando a plano paralelas no topo. C, D: Estruturas ramificadas bem desenvolvidas, sobrepostas
por esteiras irregulares. E, F: Estrutura arbustiva com grau de desenvolvimento intermediário na
região central do bloco. G, H: Estrutura arbustiva pouco desenvolvida próximo ao topo do bloco.
37
4.6.2. Análise da Porosidade
A análise visual dos perfis verticais ressalta também uma redução acentuada
da porosidade em direção ao topo do bloco, com o desaparecimento de poros
fenestrais e redução dos poros interpartículas, principalmente nos últimos 40 cm
deste plano. O perfil vertical 2 (figura 17B) apresenta porosidade aproximadamente
40% maior que o perfil vertical 1 (figura 17A) o que se deve a presença de grandes
poros do tipo vugular com até 40 cm de diâmetro que não seguem uma distribuição
preferencial na amostra.
38
A seção de basal (figura 17C) possui maior porosidade que a seção de topo
(figura 17D) como consequência do maior volume de poros interpartículas
acentuado pelo maior grau de desenvolvimento das estruturas arbustivas. A
irregularidade das camadas e a presença de interfaces entre camadas na seção
basal também influencia para o maior valor.
Perfil Vertical 1
Φ = 6,27884 %
Perfil Vertical 2
Φ = 10,0934 %
Seção Basal
Φ = 4,09549 %
Seção Topo
Φ = 2,49975 %
Figura 17: Resultado da binarização, segmentação dos poros e calculo de porosidade para os perfis
verticais (A) e (B), seção basal (C) e seção de topo (D).
39
4.6.3. Análise da Permeabilidade
Figura 18: Histograma representando a frequência dos valores de permeabilidade para 20 diferentes
classes, com a grande maioria dos dados abaixo de 500 mD.
40
Tabela 3: Comparação entre os valores de permeabilidade entre as seções e os
perfis verticais.
Seção Seção de
Permeabilidade/Face Perfil Vertical 1 Perfil Vertical 2
Basal Topo
Permeabilidade (mD) 402,45 412,95 565,14 476,65
Figura 19: Mapeamento 2D da permeabilidade para o perfil vertical 1 obtido pela correlação entre
valores de permeabilidade e a propriedade RGB de cada ponto de medição por meio da técnica redes
neurais de múltiplas camadas.
42
Tabela 5: Concentrações médias dos elementos e taxa
dose para cada umas das quatro faces analisadas.
Th U DR
Face / Elementos K (%)
(ppm) (ppm) (nGy/h)
Perfil Vertical 1 0,319 4,702 1,296 23,879
Perfil Vertical 2 0,321 4,363 1,006 21,406
Seção Basal 0,408 5,073 1,273 25,919
Seção de Topo 0,167 4,135 0,723 20,833
Figura 20: Modelos 3D gerados a partir da krigagem dos dados de espectrometria de raios gama para
a taxa dose (A), concentração de Potássio (B), Tório (C) e Urânio (D).
43
Os modelos gerados, com exceção do Tório, que possui uma distribuição
relativamente homogênea, mostram valores superiores de concentração na face
inferior (tons de vermelho) e valores inferiores na face superior (tons de azul).
Ambas as faces em perfil mostram valores médios (tons de verde) para as
concentrações de Potássio e Urânio, bem como para o parâmetro DR.
4.7. Conclusão
44
direção ao topo, onde ocorre em geometria plano paralela. De mesma forma
verificou-se que a fábrica do travertino é composta majoritariamente por estruturas
microbiais arbustivas (shrubs), sendo que o grau de desenvolvimento (tamanho e
nível de dispersão dos ramos) diminui em direção ao topo. A amostra foi classificada
como travertino autóctone, termogênico e nomeada segundo a mesma nomenclatura
utilizada por Guo e Rinding (1998) como Travertino Arbustivo (Shrub Travertine).
4.8. Agradecimentos
ARAÚJO, A.M.M. ; Soares, J.A. ; Dias, C.H.; Ribeiro, G.A.V.; Medeiros, L.C..
Petrofísica de tufas carbonáticas da Formação Jandaíra, Bacia de Potiguar. XIII
Congresso Internacional da Sociedade Brasileira de Geofísica, Rio de Janeiro, 2013.
46
CORBETT, P.,ANGGRAENI , S; BOWEN, D. The Use of the Probe Permeameter
in Carbonates- Addressing the Problems of Permeability Support and
Stationarity. The Log Analyst. v. 40, n. 5, p. 316-326, 1999.
EHRLICH, R.; KENNEDY, S.,K.; CRABTREE, J.,S.; CANNON, R., L.. Petrographic
image analysis; I, Analysis of reservoir pore complexes. Journal of Sedimentary
Research, v. 54, p. 1365-1378, 1984.
47
MOORE, C. H.. Carbonate reservoirs porosity evolution and diagenesis in a
sequence stratigraphic framework: Amsterdam, Elsevier, 444 p, 2001.
48
5. CONCLUSÃO
49
pelo acamamento, com o grau de desenvolvimento do arbusto diminuindo em
direção ao topo.
A porosidade do bloco se mostrou maior nas faces correspondentes aos
perfis verticais por conta da presença de poros fenestrais e vugulares principalmente
na interface das camadas. A porosidade encontrada para as seções de base e topo
por sua vez são inferiores por conta da maior presença de poros intergranulares de
menor volume.
Em contraste a permeabilidade encontrada para as quatro faces foi
semelhante, porém com uma distribuição de valores mais homogênea para as
seções de base topo e maior variação para os planos de perfil vertical, graças à
sucessão de camadas de alta e baixa permeabilidade. O modelo de distribuição
permo-poroso obtido através da utilização da rede neural de múltiplas camadas
indicou ainda um decréscimo da permeabilidade em direção ao topo.
Por fim os modelos gerados pela krigagem dos dados relacionados a
espectrometria de raios gama, indicaram maiores concentrações de K, U e Th na
seção de base reduzindo em gradiente em direção ao topo com baixas
concentrações na seção de topo.
Portanto foi possível concluir que em todos os parâmetros segundo os quais o
bloco de travertino foi analisado um mesmo padrão de heterogeneidade pode ser
constado sendo possível correlacionar maiores valores de permeabilidade,
porosidade e concentrações de K, U e Th as seções de base representadas pelas
camadas mais espessas, cuja fábrica se mostra mais desenvolvida.
50
6. REFERÊNCIAS BIBLIOGRÁFICAS
ARAÚJO, A.M.M. ; Soares, J.A. ; Dias, C.H.; Ribeiro, G.A.V.; Medeiros, L.C..
Petrofísica de tufas carbonáticas da Formação Jandaíra, Bacia de Potiguar. XIII
Congresso Internacional da Sociedade Brasileira de Geofísica, Rio de Janeiro, 2013.
51
CHOQUETTE, P. W.; . PRAY, L. C.. Geological nomenclature and classification
of porosity in sedimentary carbonates: AAPG Bulletin, v. 54, p. 207– 250, 1970.
EHRLICH, R.; KENNEDY, S.,K.; CRABTREE, J.,S.; CANNON, R., L.. Petrographic
image analysis; I, Analysis of reservoir pore complexes. Journal of Sedimentary
Research, v. 54, p. 1365-1378, 1984.
IMBT, W., C.; ELLISON, S. P.. Porosity In limestone and dolomite petroleum
reservoir drilling and production practice. American Petroleum Institute. New
York, 1946.
52
KILLEEN, P.G.. Gamma-ray spectro-metric methods in uranium exploration–
application and interpretation, in P.J. Hood, ed., Geophysics and Geo-
chemistry in Search for Metallic Ores: Geological Survey of Canada, Economic
Geology Report 31, p. 163-230, 1979.
53
SIMICEK, D.; BÁBEK, O.; LAICHMANN, J.. Outrcrop gamma-ray logging of
siliciclastic turbidites: Separating the detrital proveanance signal from facies in
the foreland- basin turbidites of the Moravo – Silesian basin, Czech Republic.
Sedimentary Geology 261- 262 , p. 50 - 64, 2012.
54