Comparação de Desempenho de Diferentes Arquiteturas de Redes Neurais Utilizadas em Inversão Sísmica

Abstract

Na geofísica, o conceito de inversão sísmica se refere ao processo de obter proprieda- des da subsuperfície a partir de dados sísmicos. O conhecimento sobre as proprieda- des da subsuperfície é muito util no campo de extração de petróleo e gás. O uso de redes neurais artificiais para inversão sísmica pode melhorar esse processo em velo- cidade, qualidade das estimativas e redução da necessidade de perfuração de poços exploratórios. Esse trabalho tem como objetivo comparar, dado um mesmo conjunto de dados e mesmas métricas, o desempenho de propostas de arquiteturas de redes neurais utilizadas na realização de inversão sísmica para obtenção da propriedade de impedância acústica.

In geophysics, seismic inversion refers to the process of obtaining subsurface properties from seismic data. The knowledge about subsurface properties is very useful in the field of oil and gas extraction. The use of artificial neural networks may improve such process in terms of velocity, estimation quality and by reducing the need of exploratory well drilling. The present work aims to compare, when given the same dataset and same metrics, the performance of different proposed neural network architectures used in seismic inversion to extract acoustic impedance.