Projeto GeomeCCarb: Estudo dos Acoplamentos Geomecânico e Geoquímico em Reservatórios Carbonáticos

Durante o período do doutorado, realizado no departamento de Engenharia Civil da Universidade Federal do Pernambuco - UFPE, integrei o projeto de pesquisa GeomeCCarb: Estudo dos Acoplamentos Geomecânico e Geoquímico em Reservatórios Carbonáticos.

O GeomeCCarb, assim como os demais projetos de pesquisas voltados para o setor de Petróleo, fica situado no Instituto de Pesquisa em Petróleo e Energia - LITPEG (foto), um centro de pesquisa que custou cerca de R$ 76 milhões e foi totalmente financiado pela Petrobras.

Como eu era um dos poucos doutorandos do projeto com experiência no desenvolvimento de soluções de machine learning, fiquei responsável por aplicar esse conhecimento em dois estudos pedidos pela Petrobras.

• Classificação de litofácies: a previsão das propriedades espaciais, principalmente de litologia (litofácies), é decisiva para o sucesso da produção em reservatórios de petróleo. Essa previsão pode ser guiada pela associação de dados físicos e sísmicos obtidos dos poços, como mostra a figura abaixo.
  

  A classificação das litofácies geralmente é feita de forma manual, por um grupo de especialistas, o que significa que é cara e demorada. Dessa forma, o desenvolvimento de uma ferramenta baseada em dados para a classificação automática de litofácies teria um impacto direto nos custos e tempo destinados a esse processo.

• Predição da pressão de poro em reservatórios de petróleo: a pressão de poro nada mais é do que a pressão exercida pelos fluidos (óleo, água e gás) dentro dos poros do reservatório. A predição da magnitude dessas pressões é essencial para a segurança das operações de perfuração de poços de petróleo e, posteriormente, para a modelagem e gerenciamento do reservatório. De modo geral, essa predição é realizada a partir de ferramentas matemáticas empíricas que podem ser pouco precisas, principalmente em reservatórios do tipo Pré-Sal. Do mesmo modo que no problema de classificação de litofácies, um modelo de predição de pressão de poro pode ser construído a partir de dados rotulados, compostos por medidas de perfis como Sônico, Raios Gama, Resistividade, etc.
  

  Muito obrigado por ler esse artigo.

  Caso tenha interesse, você pode me encontrar no GitHub e Linkedin.