LEAL F., Jorge A.; OCHOA G., Luis H.    CONTRERAS F., Carmen C.. Automatic Identification of Calcareous Lithologies Using Support Vector Machines, Borehole Logs and Fractal Dimension of Borehole Electrical Imaging. []. , 22, 2, pp.75-82. ISSN 1794-6190.  https://doi.org/10.15446/esrj.v22n2.68320.

^a

In this research two support vector machines (SVMs) and a logic function were applied to identify calcareous sections automatically in wells located in the former Barco Concession, Catatumbo Basin - Colombia. During training stages the SVMs used nuclear logs, such as neutron, photoelectric factor and gamma ray in order to differentiate calcareous from clastic sections; additionally, in this stage the fractal dimension of resistive images along with mean and variance of resistivity acquired with imaging tool (of high resolution) are employed to identify textural features of the rocks. The first SVM also employed in the training stage intervals manually interpreted of fossiliferous limestone, performed by a specialized geologist integrating core and logs information of a pilot well; during classification stage, this SVM automatically recognized intervals with fossiliferous limestone by using only logs data of any well of the field. The second SVM was also trained with nuclear logs, resistivity and fractal dimension, but in this case, with information of intervals composed of calcareous shales interbedded with limestone, recognizing automatically these rock associations during classification stage without interpretation of a geologist as input data. Finally, a logic function was applied to intervals with photoelectric factor ≥ 4 and all sections not classified by the SVMs were grouped as laminated calcareous rocks. The SVMs and logic function show accuracy of 98.76 %, 94.02 % and 94.60 % respectively in five evaluated wells and can be applied to other wells in the field that have the same dataset conditions. This methodology is dependent of the data quality and all intervals affected by poor borehole conditions should be removed in order to avoid erratic interpretations. This model must to be recalibrated in case to be applied in other fields of the basin.

En esta investigación dos máquinas de vector de soporte (MVS) y una función lógica fueron aplicadas para identificar automáticamente secciones calcáreas en pozos ubicados en la antigua Concesión Barco, Cuenca de Catatumbo - Colombia. Durante etapas de entrenamiento las MVS utilizaron registros nucleares, tales como neutrón, factor fotoeléctrico y rayos gamma para diferenciar secciones calcáreas de clásticas; adicionalmente, en esta etapa la dimensión fractal de las imágenes resistivas junto con la media y varianza de la resistividad adquirida con la herramienta de imágenes (de alta resolución), son empleadas para identificar rasgos texturales de las rocas. La primera MVS también empleó durante el entrenamiento intervalos manualmente interpretados de calizas fosilíferas, realizado por un geólogo especialista integrando información de núcleo y registro de un pozo piloto; posteriormente, durante la clasificación, esta MVS automáticamente reconoció intervalos con calizas fosilíferas utilizando solamente datos de registros de cualquier pozo del campo. La segunda MVS fue entrenada con registros nucleares, resistivos y dimensión fractal, pero en este caso, también con información de intervalos compuestos de lutitas calcáreas intercaladas con calizas, reconociendo automáticamente estas asociaciones de rocas durante la clasificación sin requerir interpretaciones de un geólogo como dato de entrada. Finalmente, se aplicó una función lógica a intervalos con factor fotoeléctrico ≥ 4 y todas las secciones no clasificadas por las MVS fueron agrupadas como rocas calcáreas laminadas. Las MVS y la función lógica mostraron precisiones de 98.76%, 94.02% y 94.60% respectivamente en cinco pozos evaluados y puede ser aplicado a otros pozos del campo que tengan igual conjunto de datos. Esta metodología es dependiente de la calidad de los datos y todos los intervalos afectados por pobres condiciones del hoyo deben ser removidos para evitar interpretaciones erróneas. Este modelo debe ser recalibrado en caso de ser aplicado en otros campos de la cuenca.

: .

        · | |     · |     · ( pdf )