Detección automática de fracturas y fallas geológicas a partir de la segmentación de imágenes con redes convolucionales profundas aplicadas a cubos sísmicos
Loading...
Date
2022-03-31
Authors
Journal Title
Journal ISSN
Volume Title
Publisher
Universidad Industrial de Santander
Abstract
Uno de los mayores retos en la interpretación sísmica es el uso de grandes volúmenes de datos
generados durante la etapa de exploración para la definición de nuevos prospectos de
hidrocarburos, lo cual ocasiona un aumento en el tiempo requerido para la interpretación manual
de estructuras geológicas (fallas y fracturas). Debido a esto, la detección automática de fallas
geológicas es un proceso relevante para la industria petrolera.
Desde la perspectiva de la visión por computador, la tarea de detección de fallas puede ser
interpretada como un problema de segmentación, el cual ha sido ampliamente analizado usando
redes neuronales convolucionales. No obstante, tradicionalmente se usa como dato de entrada la
imagen sísmica en el dominio de la amplitud, por lo cual puede tener insuficiente información para
cumplir con la tarea propuesta. En este trabajo, se propone el uso de multi-atributos sísmicos de
tipo geométrico y de amplitud, sintetizando la información con el Analisis de Componentes
Principales, como una forma de preprocesamiento de los datos sísmicos, para mejorar el
desempeño en la tarea de segmentación de fallas geológicas con una red convolucional de tipo U NET y autoencoder, la cual permite detectar de manera eficiente las discontinuidades en datos
reales y sintéticos. La propuesta presentada en este trabajo obtuvo una ganancia de 0.45 SSIM con
respecto a los métodos tradicionales sobre datos sintéticos y reales.
Description
Keywords
Interpretación sísmica, segmentación de imágenes, fallas geológicas, atributos sísmicos, redes neuronales convolucionales profundas