Todos los derechos reservados

Ninguna parte de esta obra puede ser reproducida o transmitida en cualquier forma o por cualquier mtodo electrnico o mecnico, grabacin o cualquier otro sistema de archivo y recuperacin de informacin, sin el

previo permiso por escrito de los autores.

COMIT EDITOR: Hctor Leanza, Marta Franchini, Agnes Impiccini, Gisela Pettinari, Mario Sigismondi, Josefina Pons y Maisa Tunik

DISEO EDITORIAL: Javier Castro

Los trabajos deben citarse segn el siguiente ejemplo:

Castiglione, B. 2011. Distintos casos de aplicacin de la magnetotelrica en la exploracin de recursos naturales. En: Actas del XVIII Congreso Geolgico Argentino (Eds. Leanza, Franchini, Impiccini, Pettinari, Sigismondi, Pons y Tunik), p. 345. Neuqun, Argentina.

ISBN 978-987-22403-4-9

XVIII Congreso Geolgico Argentino, Mayo 2011, Neuqun

PREDICCIN DE LAS GEOMETRAS DE AMBIENTES SEDIMENTARIOS DELTAICOS Y ESTUARINOS POR MEDIO DEL MODELADO

SINTTICO DE VELOCIDADES

Sergio Cersosimo1, Claudia Ravazoli2 y Ramn Garcia Martinez3

1Programa de Doctorado, Facultad de Ciencias Astronmicas y Geofsicas, Universidad Nacional de La Plata. Sergio_cersosimo@jetband.com.ar; 2Grupo de Geofsica Aplicada, Facultad de Ciencias Astronmicas y Geofsicas, Universidad Nacional

de La Plata; 3Grupo de Investigacin en Sistemas de Informacin, Desarrollo Productivo y Tecnolgico, Universidad Nacional de Lans

En este trabajo, se aborda la problemtica de la prediccin horizontal de la velocidad de geometras de ambiente sedimentario deltaico y estuarinos, a travs de los datos de pozos y de los atributos calculados a partir de horizontes previamente interpretados sobre un modelo de ssmica sinttica 3D. Este modelo de ssmica sinttica se genera a partir de velocidades, densidades y horizontes que responden a un prototipo geolgico sinttico (Fig. 1). A partir de las propiedades del modelo geolgico (velocidades, densidades e interfases) se generan los coeficientes de reflexin, que al ser convolucionados por una ondcula terica generan las familias de gathers sintticos, los cuales sumados dan origen al volumen ssmico en el dominio del tiempo. Este proceso se denomin mtodo directo, y una vez encontrada una respuesta que satisface las expectativas geolgicas planteadas, se pasa a resolver el mtodo inverso, el cual se satisfizo con algoritmos de redes neuronales. El proceso se basa en la aplicacin de la denominada back propagation, es decir que las entradas constan de atributos ssmicos asociados a las interfases sismoestratigrficas de inters interpretadas sobre el volumen ssmico sinttico. Los atributos que se utilizaron como entrada en la red neuronal se calcularon en una ventana que involucra ondcula de Ricker de fase cero, y 25 Hz de frecuencia dominante, de acuerdo a los espesores y velocidades involucrados, de manera tal de satisfacer las al evento ssmico.

Figura 1. Modelo de velocidades asociado al modelo geolgico sinttico. Se puede observar el meandro en color amarillo y las velocidades

por debajo de l

Seccin ssmica extrada del cubo ssmico generado con los datos de

velocidades, densidad y modelo geolgico. Ondcula Riker de 25 Hrz. Utilizada para la generacin del cubo ssmico sinttico

Se utilizaron 10 atributos al azar calculados en una ventana correspondiente a cruce por cero de negativo a

positivo y de positivo a negativo ms prximo al horizonte interpretado. Los inputs utilizados en dicha red fueron: Coordenada X, Coordenada Y, Inline, Crossline. Amplitud.

Amplitud del coseno de la fase, Amplitud de la frecuencia, Frecuencia promedio, Derivada, Amplitud de la

17. MTODOS DE PROSPECCIN GEOFSICA APLICADOS AL ANLISIS DE CUENCAS SEDIMENTARIAS 1106

XVIII Congreso Geolgico Argentino, Mayo 2011, Neuqun

envolvente, Amplitud de la fase. La salida deseada fue la velocidad proveniente de 16 puntos elegidos del modelo.

Para el entrenamiento de la red se generaron pseudo pozos distribuidos en forma uniforme, se extrajo el

valor de cada uno de los 11 atributos seleccionados por cada pseudo pozo relacionado al horizonte de inters. Una vez entrenada la red neuronal se procedi a aplicar sobre todo el evento ssmico dicho proceso

En este caso particular la metodologa propuesta permite obtener un excelente grado de ajuste con el

modelo sinttico inicial. La correlacin entre el dato generado y el modelo inicial aumenta con el nmero de pseudo pozos.

Sun, Q.; Eissa, M. A.; Castagna, J. P.; Cersosimo, D.; sun, S.; and Deker, C., 2001, Porosity from artificial neural network inversion from Bermejo Field, Ecuador. 71st Ann. Internat. Mtg: Soc. Of Expl. Geophys., Pg. 734-737.

Cerssimo, S., Ravazoli, C., Garca-Martnez, R. 2004. Inversin Ssmica de un Modelo Terico Calculado Sobre un Horizonte Ssmico Utilizando Redes Neuronales. Proceedings de la 3 Convencin de la Asociacin Colombiana de Gelogos y Geofsicos Petroleros.

Cerssimo, S., Ravazoli, C., Garca-Martnez, R. 2005. Inversin Ssmica de un Modelo Terico Calculado Sobre un Horizonte Ssmico Utilizando Redes Neuronales. Boletn de Informaciones Petroleras 1(1):44-51.

Cersosimo, S., Ravazzoli, C., Garca-Martnez, R., 2006. Identification of Velocity Variations in a Seismic Cube Using Neural Networks. In IFIP International Federation for Information Processing, Volume 218, Professional Practice in Artificial Intelligence, eds. J. Debenham, (Boston: Springer), pp. 11-19.

Resultado de la corrida con la red neuronal, Se puede observar excelente grado de ajuste con el modelo geolgico sinttico.

Pseudo-Pozos utilizados

Pseudo-Pozos

17. MTODOS DE PROSPECCIN GEOFSICA APLICADOS AL ANLISIS DE CUENCAS SEDIMENTARIAS 1107