Académique Documents
Professionnel Documents
Culture Documents
15/02
Campinas, 2002
S.P. - Brasil
ii
iii
P946a
iv
Dedicatria
Dedico este trabalho minha esposa e meus filhos: um na terra e outro no cu.
Agradecimentos
Este trabalho no poderia ser terminado sem a ajuda de diversas pessoas s quais presto
minha homenagem:
Aos meus pais pelos incentivos em todos os momentos da minha vida.
Ao meu orientador, que me mostrou os caminhos a serem seguidos.
A todos os professores, colegas e funcionrios dos departamento do IG e da FEM que de
forma direta e indireta muito ajudaram na concluso deste trabalho.
ANP e ao CEPETRO/Unicamp pela concesso de bolsa de estudo, importante para
minha manuteno ao longo do curso.
Aos membros da banca pelas correes e sugestes apresentadas quando da defesa da tese.
vi
vii
Resumo
PROTZIO, Joo Marcelo Brazo, Anlise Wavelet Aplicada a Sinais Geofsicos, Campinas:
Faculdade de Engenharia Mecnica, Universidade Estadual de Campinas, 2001. 150 p.
Dissertao (Mestrado)
A classe de funes chamadas wavelets surgiu pela primeira vez na tese apresentada pelo
fsico ingls Alfred Haar em 1910. Desde ento, depois de muito formalismo matemtico, na
segunda metade da dcada de 80, esta ferramenta comeou a ser aplicada em vrias reas da
Cincia. Sua capacidade singular de obteno de
Palavras Chave
Transformada Wavelet, Anlise Wavelet, Sinais Geofsicos, Processamento de Sinais
viii
Abstract
PROTZIO, Joo Marcelo Brazo, Wavelet Transform Applied in Geophysical Signals,
Campinas: Faculdade de Engenharia Mecnica, Universidade Estadual de Campinas, 2001.
150 p. Dissertao (Mestrado)
The class of functions called wavelets appeared for the first time in the thesis presented by
the English physicist Alfred Haar, in 1910. Ever since, after a lot of mathematical formalism, in
the second half of the 80s decade, this tool began to be applied in several areas of the Science.
Its singular capacity of obtaining of so much location in the time as in the frequency a
characteristic is shown well adapted for the treatment of non stationary signals. The main
proposal of this work is the use of Wavelet Transform as a tool used in general in the processing
of geophysical signals and it is presented through two approaches, one in the case 1D
(geophysical well log), where the method is used in the transfer of scales and another in the case
2D (seismic imaging) where the method is used as a tool filtering. This case is compared then
with Fatorial Krigings method.
Key Words
Wavelet Transform, Wavelet Analysis, Geophysical Signals, Signal Processing
ix
ndice
Captulo 1 ........................................................................................................................................1
Introduo....................................................................................................................................1
1.1 Objetivos...........................................................................................................................2
1.2 Organizao da dissertao...............................................................................................3
Captulo 2 ........................................................................................................................................5
Reviso Bibliogrfica ..................................................................................................................5
Captulo 3 ......................................................................................................................................11
Aspectos Tericos .....................................................................................................................11
3.1 Anlise no tempo e na freqncia...................................................................................11
3.2 Transformada de Fourier ................................................................................................12
3.2.1 Definio .................................................................................................................12
3.3 Transformada de Fourier de Curta Durao ...................................................................13
3.3.1 Definio .................................................................................................................13
3.3.2 Localizao no tempo e na freqncia ....................................................................17
3.4 Transformada Wavelet....................................................................................................20
3.4.1 Definio .................................................................................................................21
3.4.2 Localizao no tempo e na freqncia ....................................................................23
3.4.3 Transformada Wavelet e a anlise no tempo e escala.............................................25
3.4.4 Relao entre Frequncia e Escala..........................................................................26
3.5 Funes wavelets ............................................................................................................28
3.5.1 Exemplos de waveles unidimensionais...................................................................30
3.6 Transformada Wavelet Contnua ....................................................................................35
3.7 Transformada Wavelet Discreta .....................................................................................39
x
xii
Lista de Figuras
Figura 3.1 Anlise espectral atravs de Fourier e Wavelet de dois sinais. A Figura (a)
ilustra a superposio de duas freqncias (sen 10t e sen 20t), e a Figura (b), as mesmas
freqncias s que aplicadas a cada uma das metades da durao do sinal. As Figuras (c) e (d)
ilustram os espectros dos dois sinais em (a) e (b) atravs da transformada de Fourier. As Figuras
(d) e (e) ilustram a magnitude da Transformada Wavelet dos mesmos sinais (wavelet de Morlet)
........................................................................................................................................................19
Figura 3.2 Parte real (em verde) e parte imaginria (em vermelho) do ncleo de anlise da
transformada de Fourier de curta durao em diferentes freqncias: (a) = 3, (b) = 6 e (c)
= 9. A funo grafada em azul a janela gaussiana g(t) ..............................................................21
Figura 3.3 Localizao das incertezas no domnio do tempo (acima) e no domnio da
freqncia (abaixo) da Transformada de Fourier de Curta Durao (WFT) para uma funo
genrica ..........................................................................................................................................23
Figura 3.4 Representao no espao de fase usando a Transformada de Fourier de Curta
Durao (WFT) .............................................................................................................................24
Figura 3.5 Ilustrao esquemtica de efeito da dilatao de uma wavelet genrica (acima) e
a mudana correspondente de sua Transformada de Fourier (abaixo). Quando a wavelet se dilata,
sua Transformada de Fourier se contrai e vice versa ....................................................................26
xiii
Figura 3.6 Ilustrao da dilatao de uma wavelet: no topo, a wavelet distendida; no meio,
a wavelet no tamanho original; abaixo, a wavelet comprimida ....................................................30
Figura 3.7 Grfico de uma wavelet deslocada para a frente................................................31
Figura 3.8 Figura ilustrando a representao, no espao de fase, da Transformada
Wavelet...........................................................................................................................................31
Figura 3.9 Ilustrao da wavelet de Haar ............................................................................34
Figura 3.10 Ilustrao da wavelet Chapu Mexicano (Mexican Hat) ...............................35
Figura 3.11 Ilustrao da wavelet de Morlet: no topo tm-se as suas partes real e
imaginria (vermelho e azul, respectivamente) e, abaixo, o seu espectro......................................37
Figura 3.12 Ilustrao de diferentes tipos de wavelets que podem ser utilizados na
obteno da CWT .........................................................................................................................37
Figura 3.13 Comparao entre a Wavelet (vermelho) e o sinal (azul) ..............................40
Figura 3.14 Move-se a wavelet para direita e obtenha um novo valor de C ......................40
Figura 3.15 Extende-se a wavelet e repete-se o os passos (1) a (3) ...................................41
Figura 3.16 Finalmente os passos (1) a (4) so repetidos para todas as escalas. Quando o
processo for finalizado, tm-se os coeficientes produzidos em diferentes escalas para diferentes
sees do sinal ...............................................................................................................................41
xiv
Figura 4.1 Exemplo de sinal com freqncia 5 em toda sua extenso e com freqncia 20
na segunda metade do mesmo ......................................................................................................51
Figura 4.2 Escalograma do sinal da Figura 4.1 (acima a esquerda), transformada de
Fourier (acima a direita), sinal filtrado (azul) e sinal retirado (vermelho) atravs da Transformada
wavelet (embaixo a esquerda) e sinal filtrado (azul) e sinal retirado (vermelho) atravs da
Transformada de Fourier (embaixo a direita) ................................................................................51
Figura 4.3 Perfil de rhoB do poo NA01 antes da transferncia de escala (canto esquerdo),
seu variograma (canto superior direito) e seu histograma (canto inferior direito) ........................56
Figura 4.4 Perfil de rhoB do poo NA01 depois da transferncia de escala (canto
esquerdo), seu variograma (canto superior direito) e seu histograma (canto inferior direito)
........................................................................................................................................................56
Figura 4.5 Perfil de dT do poo NA01 antes da transferncia de escala (canto esquerdo),
seu variograma (canto superior direito) e seu histograma (canto inferior direito) ........................57
Figura 4.6 Perfil de dT do poo NA01 depois da transferncia de escala (canto esquerdo),
seu variograma (canto superior direito) e seu histograma (canto inferior direito) ........................57
Figura 4.7 Perfil de rhoB do poo NA02 antes da transferncia de escala (canto esquerdo),
seu variograma (canto superior direito) e seu histograma (canto inferior direito) ........................58
Figura 4.8 Perfil de rhoB do poo NA02 depois da transferncia de escala (canto
esquerdo), seu variograma (canto superior direito) e seu histograma (canto inferior direito)
........................................................................................................................................................58
xv
Figura 4.9 Perfil de dT do poo NA02 antes da transferncia de escala (canto esquerdo),
seu variograma (canto superior direito) e seu histograma (canto inferior direito) ........................59
Figura 4.10 Perfil de dT do poo NA02 depois da transferncia de escala (canto esquerdo),
seu variograma (canto superior direito) e seu histograma (canto inferior direito) ........................59
Figura 4.11 Perfil de rhoB do poo NA04 antes da transferncia de escala (canto
esquerdo), seu variograma (canto superior direito) e seu histograma (canto inferior direito)
........................................................................................................................................................60
Figura 4.12 Perfil de rhoB do poo NA04 depois da transferncia de escala (canto
esquerdo), seu variograma (canto superior direito) e seu histograma (canto inferior direito)
........................................................................................................................................................60
Figura 4.13 Perfil de dT do poo NA04 antes da transferncia de escala (canto esquerdo),
seu variograma (canto superior direito) e seu histograma (canto inferior direito) ........................61
Figura 4.14 Perfil de dT do poo NA01 depois da transferncia de escala (canto esquerdo),
seu variograma (canto superior direito) e seu histograma (canto inferior direito) ........................61
Figura 4.15 Perfil de rhoB do poo NA07 antes da transferncia de escala (canto
esquerdo), seu variograma (canto superior direito) e seu histograma (canto inferior direito)
........................................................................................................................................................62
Figura 4.16 Perfil de rhoB do poo NA07 depois da transferncia de escala (canto
esquerdo), seu variograma (canto superior direito) e seu histograma (canto inferior direito)
........................................................................................................................................................62
xvi
Figura 4.17 Perfil de dT do poo NA07 antes da transferncia de escala (canto esquerdo),
seu variograma (canto superior direito) e seu histograma (canto inferior direito) ........................63
Figura 4.18 Perfil de dT do poo NA07 depois da transferncia de escala (canto esquerdo),
seu variograma (canto superior direito) e seu histograma (canto inferior direito) ........................63
Figura 4.19 Perfil de rhoB do poo NA12 antes da transferncia de escala (canto
esquerdo), seu variograma (canto superior direito) e seu histograma (canto inferior direito)
........................................................................................................................................................64
Figura 4.20 Perfil de rhoB do poo NA12 depois da transferncia de escala (canto
esquerdo), seu variograma (canto superior direito) e seu histograma (canto inferior direito)
........................................................................................................................................................64
Figura 4.21 Perfil de dT do poo NA12 antes da transferncia de escala (canto esquerdo),
seu variograma (canto superior direito) e seu histograma (canto inferior direito) ........................65
Figura 4.22 Perfil de dT do poo NA12 depois da transferncia de escala (canto esquerdo),
seu variograma (canto superior direito) e seu histograma (canto inferior direito) ........................65
Figura 4.23 Perfil de rhoB do poo RJS42 antes da transferncia de escala (canto
esquerdo), seu variograma (canto superior direito) e seu histograma (canto inferior direito)
........................................................................................................................................................66
Figura 4.24 Perfil de rhoB do poo RJS42 depois da transferncia de escala (canto
esquerdo), seu variograma (canto superior direito) e seu histograma (canto inferior direito)
........................................................................................................................................................66
xvii
Figura 4.25 Perfil de dT do poo RJS42 antes da transferncia de escala (canto esquerdo),
seu variograma (canto superior direito) e seu histograma (canto inferior direito) ........................67
Figura 4.26 Perfil de dT do poo RJS42 depois da transferncia de escala (canto esquerdo),
seu variograma (canto superior direito) e seu histograma (canto inferior direito)
........................................................................................................................................................67
Figura 4.27 Perfil de rhoB do poo RJS234 antes da transferncia de escala (canto
esquerdo), seu variograma (canto superior direito) e seu histograma (canto inferior direito)
........................................................................................................................................................68
Figura 4.28 Perfil de rhoB do poo RJS234 depois da transferncia de escala (canto
esquerdo), seu variograma (canto superior direito) e seu histograma (canto inferior direito)
........................................................................................................................................................68
Figura 4.29 Perfil de dT do poo RJS234 antes da transferncia de escala (canto esquerdo),
seu variograma (canto superior direito) e seu histograma (canto inferior direito)
........................................................................................................................................................69
Figura 4.30 Perfil de dT do poo RJS234 depois da transferncia de escala (canto
esquerdo), seu variograma (canto superior direito) e seu histograma (canto inferior direito)
........................................................................................................................................................69
Figura 5.1 Decomposio multiresoluo efetuada na imagem original em um nvel
........................................................................................................................................................71
Figura 5.2 Decomposio multiresoluo efetuada na aproximao A1
em um nvel
........................................................................................................................................................72
xviii
Figura 5.3 Imagem original obtida do elemento fsforo contido em uma lmina obtida
atravs de microscpio eletrnico .................................................................................................74
Figura 5.4 Aproximao 1 A1 (parte superior) obtida para da imagem original mostrada na
Figura 5.3, seu variograma (parte inferior esquerda) e seu histograma (parte inferior direita)
........................................................................................................................................................75
Figura 5.5 Aproximao 2 A2 (parte superior) obtida para da imagem original mostrada na
Figura 5.3, seu variograma (parte inferior esquerda) e seu histograma (parte inferior direita)
........................................................................................................................................................76
Figura 5.6 Aproximao 3 A3 (parte superior) obtida para da imagem original mostrada na
Figura 5.3, seu variograma (parte inferior esquerda) e seu histograma (parte inferior direita)
........................................................................................................................................................76
Figura 5.7 Aproximao 4 A4 (parte superior) obtida para da imagem original mostrada
na Figura 5.3, seu variograma (parte inferior esquerda) e seu histograma (parte inferior direita)
........................................................................................................................................................77
Figura 5.8 Imagem Original (parte superior), imagem filtrada atravs da decomposio
multiresoluo (meio) e imagem contendo as baixas frequncias retiradas do sinal (Imagem
Original = A4 + H4) ......................................................................................................................77
Figura 5.10 Aproximao 1 A1 (parte superior) obtida para da imagem original mostrada
na Figura 5.2, seu variograma (parte inferior esquerda) e seu histograma (parte inferior direita)
........................................................................................................................................................79
xix
Figura 5.11 Aproximao 2 A2 (parte superior) obtida para da imagem original mostrada
na Figura 5.2, seu variograma (parte inferior esquerda) e seu histograma (parte inferior direita)
........................................................................................................................................................80
Figura 5.12 Aproximao 3 A3 (parte superior) obtida para da imagem original mostrada
na Figura 5.2, seu variograma (parte inferior esquerda) e seu histograma (parte inferior direita)
........................................................................................................................................................80
Figura 5.13 Aproximao 4 A4 (parte superior) obtida para da imagem original mostrada
na Figura 5.2, seu variograma (parte inferior esquerda) e seu histograma (parte inferior direita)
........................................................................................................................................................81
Figura 5.14 Imagem Original (parte superior), imagem filtrada atravs da decomposio
multiresoluo (meio) e imagem contendo as baixas frequncias retiradas do sinal (parte inferior,
onde Imagem Original = A4 + D) .................................................................................................81
Figura 6.1 Imagem original do tempo duplo de trnsito do intervalo Z3 do Campo de
Namorado ......................................................................................................................................87
Figura 6.2 Aproximao 1 A1 (parte superior) obtida para da imagem original mostrada na
Figura 6.1, seu variograma (parte inferior esquerda) e seu histograma (parte inferior direita)
........................................................................................................................................................87
Figura 6.3 Aproximao 2 A2 (parte superior) obtida para da imagem original mostrada na
Figura 6.1, seu variograma (parte inferior esquerda) e seu histograma (parte inferior direita)
........................................................................................................................................................88
xx
Figura 6.4 Aproximao 3 A3 (parte superior) obtida para da imagem original mostrada na
Figura 6.1, seu variograma (parte inferior esquerda) e seu histograma (parte inferior direita)
........................................................................................................................................................88
Figura 6.5 Aproximao 4 A4 (parte superior) obtida para da imagem original mostrada na
Figura 6.1, seu variograma (parte inferior esquerda) e seu histograma (parte inferior direita)
........................................................................................................................................................89
Figura 6.6 Aproximao 5 A5 (parte superior) obtida para da imagem original mostrada na
Figura 6.1, seu variograma (parte inferior esquerda) e seu histograma (parte inferior direita)
........................................................................................................................................................89
Figura 6.7 Imagem Original (parte superior), imagem filtrada atravs da decomposio
multiresoluo (meio) e imagem contendo as baixas frequncias retiradas do sinal (parte inferior,
onde Imagem Original = A4 + H4) .............................................................................................90
Figura 6.8 Imagem original da amplitude mnima do intervalo Z3 do Campo de Namorado
........................................................................................................................................................91
Figura 6.10 Aproximao 2 A2 (parte superior) obtida para da imagem original mostrada
na Figura 6.8, seu variograma (parte inferior esquerda) e seu histograma (parte inferior direita)
........................................................................................................................................................92
Figura 6.11 Aproximao 3 A3 (parte superior) obtida para da imagem original mostrada
na Figura 6.8, seu variograma (parte inferior esquerda) e seu histograma (parte inferior direita)
........................................................................................................................................................92
xxi
Figura 6.11 Aproximao 4 A4 (parte superior) obtida para da imagem original mostrada
na Figura 6.8, seu variograma (parte inferior esquerda) e seu histograma (parte inferior direita)
........................................................................................................................................................93
Figura 6.12 Aproximao 5 A5 (parte superior) obtida para da imagem original mostrada
na Figura 6.8, seu variograma (parte inferior esquerda) e seu histograma (parte inferior direita)
........................................................................................................................................................93
Figura 6.13 Imagem Original (parte superior), imagem filtrada atravs da decomposio
multiresoluo (meio) e imagem contendo as baixas frequncias retiradas do sinal (parte inferior,
onde Imagem Original = A5 + H5) .............................................................................................94
Figura 6.14 Imagem original da impedncia do intervalo Z3 do Campo de Namorado
........................................................................................................................................................95
Figura 6.15 Aproximao 1 A1 (parte superior) obtida para da imagem original mostrada
na Figura 6.14, seu variograma (parte inferior esquerda) e seu histograma (parte inferior direita)
........................................................................................................................................................95
Figura 6.16 Aproximao 2 A2 (parte superior) obtida para da imagem original mostrada
na Figura 6.14, seu variograma (parte inferior esquerda) e seu histograma (parte inferior direita)
........................................................................................................................................................96
Figura 6.17 Aproximao 3 A3 (parte superior) obtida para da imagem original mostrada
na Figura 6.14, seu variograma (parte inferior esquerda) e seu histograma (parte inferior direita)
........................................................................................................................................................96
xxii
Figura 6.18 Aproximao 4 A4 (parte superior) obtida para da imagem original mostrada
na Figura 6.14, seu variograma (parte inferior esquerda) e seu histograma (parte inferior direita)
........................................................................................................................................................97
Figura 6.19 Aproximao 5 A5 (parte superior) obtida para da imagem original mostrada
na Figura 6.14, seu variograma (parte inferior esquerda) e seu histograma (parte inferior direita)
........................................................................................................................................................97
Figura 6.20 Imagem Original (parte superior), imagem filtrada atravs da decomposio
multiresoluo (meio) e imagem contendo as baixas frequncias retiradas do sinal (parte inferior,
onde Imagem Original = A4 + H4) .............................................................................................98
Figura 6.21 TDT - Estatstica bsica e histogramas da Imagem original e a imagem obtida
atravs da filtragem pela MRA (parte superior) e estatstica bsica e histogramas da Imagem
original e a imagem obtida atravs da filtragem KF .....................................................................98
Figura 6.22 Impedncia - Estatstica bsica e histogramas da Imagem original e a imagem
obtida atravs da filtragem pela MRA (parte superior) e estatstica bsica e histogramas da
Imagem original e a imagem obtida atravs da filtragem KF .......................................................99
Figura 6.23 Amplitude - Estatstica bsica e histogramas da Imagem original e a imagem
obtida atravs da filtragem pela MRA (parte superior) e estatstica bsica e histogramas da
Imagem original e a imagem obtida atravs da filtragem KF .....................................................100
Figura 6.24 Validao cruzada entre a imagem original e a imagem filtrada obtida atravs
da KF ...........................................................................................................................................101
xxiii
Figura 6.25 Validao cruzada entre a imagem original e a imagem filtrada obtida atravs
da MRA .......................................................................................................................................102
Figura 6.26 Validao cruzada entre a imagem original e a imagem filtrada obtida atravs
da KF ...........................................................................................................................................102
Figura 6.27 Validao cruzada entre a imagem original e a imagem filtrada obtida atravs
da MRA .......................................................................................................................................103
Figura 6.28 Validao cruzada entre a imagem original e a imagem filtrada obtida atravs
da KF ...........................................................................................................................................103
Figura 6.29 Validao cruzada entre a imagem original e a imagem filtrada obtida atravs
da MRA .......................................................................................................................................104
Figura 6.30 TDT - Variograma da Imagem original, Imagem filtrada atravs da MRA e
KF, em azul, verde e vermelho respectivamente ........................................................................104
Figura 6.31 Impedncia - Variograma da Imagem original, Imagem filtrada atravs da
MRA e KF, em azul, verde e vermelho respectivamente ...........................................................105
Figura 6.32 Amplitude - Variograma da Imagem original, Imagem filtrada atravs da
MRA e KF, em azul, verde e vermelho respectivamente ...........................................................106
Figura 6.33 TDT - Imagem filtrada atravs da MRA (parte superior) e a imagem filtrada
atravs da KF (parte inferior) ......................................................................................................107
Figura 6.34 Impedncia - Imagem filtrada atravs da MRA (parte superior) e a imagem
xxiv
xxv
Nomenclatura
xxvi
Captulo 1
Introduo
A resposta para a primeira questo recai em uma das propriedades mais importantes das
wavelets, que sua capacidade de obter localizao tanto no tempo quanto na freqncia. A idia
por trs desta representao a separao do sinal de interesse em vrias partes e analisar cada
uma delas separadamente, ou seja, usar as grandes escalas para mostrar as caractersticas mais
globais do sinal e as pequenas escalas para mostrar os detalhes (caractersticas locais) do mesmo.
Esta propriedade de extrema utilidade na anlise de sinais que possuam as seguintes
caractersticas: no estacionaridade, componentes transientes de curta durao e singularidades em
vrias escalas diferentes.
A resposta para a segunda questo baseada na utilizao das wavelets como blocos
1 Que literalmente significa pequena onda
1.1 Objetivos
O Captulo 2 traz a reviso bibliogrfica que focaliza trabalhos que fazem uso da
Transformada Wavelet em algumas reas da cincia, assim como trabalhos relevantes aplicados ao
processamento de sinais gerais e em problemas de transferncia de escala de propriedades
petrofsicas de rochas de reservatrio.
objetivo reduzir, por filtragem, a informao geolgica s bandas de freqncia compatveis com a
aquisio ssmica, procedimento este adotado para obteno de sismogramas sintticos utilizados
na amarrao poo-ssmica.
Captulo 2
Reviso Bibliogrfica
Foi contudo na segunda metade da dcada de 80 que foram definidos com rigor os conceitos
que permitem compreender de uma forma clara a natureza deste tipo de funes, estabelecendo as
suas propriedades e permitindo as construo e gerao de outras famlias de wavelets.
Envolvidos neste trabalho pioneiro estiveram vrios pesquisadores, destacando-se, entre outros,
Meyer (1989a), Mallat (1989) e Daubechies (1992). Aps dcadas de formalismo matemtico,
finalmente a transformada wavelet foi utilizada de forma pioneira na anlise de sinais geofsicos
mais diversos (Kumar & Foufoula, 1994).
Graps (1995) apresenta uma abordagem mais terica das wavelets e apresenta a sua
Boa parte da teoria wavelet foi desenvolvida de forma independente em vrios campos da
cincia, tais como: matemtica, fsica quntica, engenharia eltrica e ssmica. Contribuies entre
estes campos especficos durante os ltimos dez anos tm levado a um nmero maior de
aplicaes, como: processamento e compresso de imagens, turbulncia, viso humana, radar,
entre outras. Outro trabalho com esta abordagem terica foi tambm apresentado por Astaf'eva
(1996). A teoria bsica da Transformada Wavelet apresentada e mostra-se uma ferramenta
adequada e bem adaptada para a investigao e anlise de processos no estacionrios envolvendo
um grande nmero de escalas. Em contraste com a Transformada de Fourier, a Transformada
Wavelet bem localizada tanto no tempo quanto na freqncia. O potencial do mtodo ilustrado
pela anlise de vrios modelos de sries, tais como: harmnicos, fractal e as mesmas sries
contaminadas com vrios tipos de singularidades.
Mesmo para computadores de alto desempenho, este tipo de discretizao muito custosa e no
justifica a sua utilizao na simulao de reservatrios. A Transformada Wavelet tem a capacidade
de preservar estruturas locais em conjuntos de dados espaciais. Para diminuir o esforo
computacional foi utilizada a Transformada Wavelet para realizar o upscaling dos valores das
propriedades em escala mais fina para uma escala maior em 2 ou 3 dimenses.
No trabalho de Torrence & Compo (1997), um guia prtico, passo a passo, para anlise
atravs da Transformada Wavelet apresentado, com exemplos obtidos de sries temporais das
oscilaes do ENSO (El Nio Southern Oscillation). Este guia abrange uma comparao do
mtodo com a WFT, a escolha da funo wavelet apropriada, os efeitos de borda devido ao
comprimento finito das sries temporais e a relao entre as escalas wavelet e a freqncia de
Fourier.
Jansen & Kelkar (1997) mostram que dados de produo so uma das maiores fontes de
informao disponveis sobre o comportamento do reservatrio e do poo. Vrios trabalhos tm
mostrado como a correlao cruzada entre pares de poos pode fornecer informao sobre a
direo de fluxo em um reservatrio, mas geralmente, o clculo da mesma tm-se mostrado
problemtica. Isto se deve principalmente natureza no linear e no estacionria das relaes
entre poos. A relao entre poos uma funo das condies de contorno impostas pelos
prprios poos e das propriedades do reservatrio. A Transformada Wavelet mostrada como
uma nova ferramenta, que diferente da Transformada de Fourier, permite um tratamento de dados
no estacionrios. Isto abre novas possibilidades com respeito a obteno de correlaoes cruzadas
mais robustas entre poos e a utilizao destes dados para uma determinao mais consistente das
causas do comportamento do poo e sua influncia nos poos ao seu redor.
Por outro lado, a anlise obtida atravs da Transformada Wavelet um mtodo sensvel para
deteco automtica e distino de descontinuidades abruptas, tais como falhas, descontinuidades,
ciclicidades e mudanas graduais na taxa de sedimentao (Prokoph & Agterberg, 2000). A
Transformada Wavelet foi aplicada a perfis reais de raio gama e utilizada na avaliao da
distribuio espao-temporal das rochas reservatrio e para estimar as taxas de acumulao em
uma bacia sedimentar.
De forma pioneira, Oliver, Bosch & Slocum (2000) usaram a decomposio atravs da
Transformada Wavelet para descrever e localizar um amplo espectro de freqncias
simultneamente e, ento, filtr-las atravs da decomposio multi-resoluo obtida atravs da
Transformada Wavelet. O mtodo foi aplicado e comparado com a filtragem obtida pelo uso da
Krigagem Fatorial, com resultados satisfatrios.
Silva (2001) mostra que nos mtodos usuais utilizados na obteno de sismogramas
sintticos, o sinal de perfil sofre uma converso de escala do domnio do espao para o domnio
do tempo, filtrado (com bandas de freqncia de corte derivadas do espectro do sinal ssmico) e
convolvido num trao ssmico sinttico. Geralmente, o controle da filtragem utiliza o sinal ssmico,
com espectro mais empobrecido e de menor resoluo espacial, mas que, por outro lado possui
uma cobertura espacial mais adequada ao reconhecimento das informaes geolgicas. Neste
trabalho prope-se um enfoque alternativo, decompondo e analisando o espectro (utilizando a
Transformada de Fourier) do sinal de perfis de poo previamente sua transformao para a
escala do tempo e reduzindo por filtragem a informao geolgica s bandas de freqncia
compatveis com a aquisio ssmica. Neste procedimento a escala natural da natureza
preservada, permitindo o controle eficaz das rotinas de filtragem com base no conhecimento da
geologia do reservatrio, em grande parte derivada da prpria interpretao dos perfis.
10
Captulo 3
Aspectos Tericos
A contribuio de cada uma das diferentes bandas de freqncia devem ser razoavelmente
separadas (no domnio da frequncia)
Esta separao deve ser alcanada sem a perda excessiva de resoluo na varivel tempo
(sujeito, claro, limitao imposta pelo princpio da incerteza de Heisenberg2).
Em 1927 Werner Heisenberg formula um mtodo para interpretar a dualidade da quntica, o princpio da
incerteza. Segundo ele, pares de variveis interdependentes, como tempo e energia, velocidade e posio, no
podem ser medidos com preciso absoluta.
11
Os profissionais responsveis pela anlise de sinais j tem sua disposio uma grande
quantidade de ferramentas. Talvez a mais bem conhecida de todas elas seja a Transformada de
Fourier, que separa o sinal em suas componentes (cossenos e senos) de diferentes freqncias.
Outra maneira de se pensar na Transformada de Fourier como uma tcnica matemtica para
transformar o sinal observado no domnio do tempo (ou do espao, sem perda alguma de
generalidade) para o domnio da frequncia (nmero de onda, no caso espacial).
12
(3.1)
No exemplo mostrado na Figura 3.1(a,b) tm-se dois sinais, o primeiro consistindo de duas
freqncias (sen10t e sen20t) superpostas para toda durao do sinal e o segundo, consistindo das
mesmas freqncias, mas cada uma aplicada separadamente em cada metade do sinal. Na Figura
3.1(c,d) tem-se o espectro de energia,
13
f b2 vs
mostram a magnitude da Transformada Wavelet dos mesmos sinais (usando para isso a
wavelet de Morlet). Observe-se com isso a propriedade de localizao.
14
(3.2)
1i u
. Esta transformada mede
onde o ncleo de integrao definido como g , t u K g u1 t e
15
o1
uma vz que
0
o1 g
b f t b
dt,
1 0 0
2
1 1bGf , t b d dt ,
2
o o
(3.3)
b t b , 1
1 0 0
iu
1 1 Gf ,u g u1 t e d du.
2
o o
(3.4)
, n
ou DWFT (do ingls, Discret Windowed Fourier Transform) definida em (Kumar & Foufolla,
1994) por
0
1i m u
G d f m,n , 1 f u g u1 nt0 e
du.
(3.5)
Para que a transformada de Fourier de curta durao discreta seja inversvel, necessrio
que a condio
t ?2
0 0
16
Figura 3.2 Parte real (em verde) e a parte imaginria (em vermelho) do ncleo de
anlise g t e1 i t da Transformada de Fourier de Curta Durao para diferentes
freqncias: (a) = 3, (b) = 6 e (c) = 9. A funo grafada em azul a janela
gaussiana g(t).
g , tb
g , tb
extradas de f t . De fato, usando-se o Teorema de Parseval, a equao (3.2) pode ser escrita
como
0
Gf ,t , 1 ' g ,t ' d '
f
(3.6)
sendo g ,t ' a transformada de Fourier de g ,t u e a barra indicando a conjugao
17
complexa. Define-se em Kumar & Foufolla (1994) os desvios padres das funes g ,t e g ,t
como
respectivamente, ou seja
[o
g,
\ [o
0
2
2
1 u1 t bg ,t u b du
0.5
[o
g,
0 2
2
1 u g u du
0
1 ' 1bg , t ' b d '
0.5
(3.7)
0.5
(3.8)
A funo destes parmetros medir a disperso das funes >g ,t> e >g ,t> em funo de
t e respectivamente, como pode ser visualizado na Figura 3.3. Relacionando agora os mesmos
diretamente com o princpio da incerteza, o produto de
2
g
2
g
satisfaz a seguinte
g gD
(3.9)
ou seja, a escolha de uma alta preciso arbitrria tanto no tempo quanto na freqncia no pode
ser obtida. A igualdade na equao (3.9) s pode ser obtida quando g t uma funo
gaussiana, ou seja,
t
g t ,11 ! 4 e1 ! 2 .
2
(3.10)
18
t 6 3 6 , como pode
ser visualizado na Figura 3.4, ou seja, a WFT em um dado ponto t , no espao de fase
fornece informao sobre a funo f(t) que est localizada com uma incerteza de no domnio
do tempo e de no domnio da freqncia, e esta localizao uniforme em todo o espao de
ser representada por uma clula de resoluo de tamanho fixo
fase. Em outras palavras, todo o espao de fase uniformemente dividido em clulas ou blocos de
resoluo fixa. Isto implica em dois tipos de limitaes: inicialmente se o processo possui uma
componente transiente com um suporte menor que
preciso maior que
diferentes dimenses, ento no possvel encontrar uma funo g t que seja tima para
analisar tal processo. Desta forma, a WFT mais recomendada para a anlise de processos onde
todas suas freqncias possuam aproximadamente a mesma frequncia.
A anlise obtida atravs da Transformada Wavelet representa o prximo passo lgico: uma
tcnica que utiliza uma janela com regies de dimenso varivel. A Transformada Wavelet permite
o uso de longos intervalos onde queremos mais preciso sobre as baixas freqncias, e regies de
tamanho menor para obter informaes sobre as altas freqncias (isto deve-se ao princpio de
incerteza de Heisenberg).
20
3
g
Isto foi obtido pela decomposio da funo f(t) usando-se uma famlia de funes de dois
parmetros chamadas de wavelets. Um destes parmetros est relacionado com o parmetro
responsvel pela translao (de maneira similar a transformada de Fourier de curta durao) e o
outro parmetro responsvel pela dilatao (em lugar do parmetro de freqncia da
Transformada de Fourier)
3.4.1 Definio
A WT de uma funo f(t) com energia finita definida como uma transformada integral
onde o ncleo a famlia de funes
10.5
, t u K
11
como
0
Wf ,t , 1 f u , t u du
(3.11)
, t
u so
21
tem o efeito de analisar a funo f(t) em torno deste ponto. A constante de normalizao
1!
c , tc K
b , t u b
du,
b t b
dt
(3.12)
). A funo
satisfazer a normalizao
b t b
t K1,0 t
deve
dt,1.
b b
1. possuir suporte compacto, ou decaimento suficientemente rpido, para se obter boa localizao
espacial.
22
o1 t dt,0.
Esta propriedade garante que a funo
(3.13)
f t ,
1 0 0 12
2
1 1 W f , t ,t u d du
C
o o
(3.14)
onde
C , 2
0 b b
d ? .
(3.15)
o1
f t b2 dt,
1 0 0 12
2
bW f , u b d du
C 1 1
o o
(3.16)
1 0
f , t d
2 1
23
(3.17)
b , t u b
b , t b
para
b , tb
b , tb
equao (3.13),
, t t
,0,0
,t
,t
,t
,t
, para
o b b d
, 0
o b b d
0
(3.18)
,t
,t
,t
Desta forma, o desvio padro no domnio da freqncia (ou seja, a raiz quadrada do
segundo momento central)
definido como
,t
1! 2
,[o 1 b b d \
0
,t
1! 2
,[o u1 u b ub du\
0
,t
,t
,t
(3.19)
,t
,t
,t
definido como
(3.20)
o ub ub du .
t , 0
o b ub du
2
,t
(3.21)
,t
As seguintes propriedades so vlidas e esto definidas em Kumar & Foufolla (1994) como
1. O desvio padro
,t
satisfaz igualdade
24
,
,t
2. O desvio padro
,t
(3.22)
1 ,t
satisfaz igualdade
,
(3.23)
1 ,t
,t
3. O centro do passa-banda
,t
correspondente a wavelet
,t u
satisfaz a relao
,
0
(3.24)
1 ,0
,t
Pode-se notar, pelas relaes mostradas acima que quando aumenta, ou seja, quando a
funo
,t u
dilatada, tanto
,t
quanto
,t
t 0 ,
,t
dada por
t 6 3 1 ! 6
0
1,0
1,0
1,0
(vide
Figura 3.6) e possui dimenses variveis dependendo do valor da escala . Em outras palavras, o
espao de fase dividido em clulas de resoluo varivel e que so funes do parmetro de
escala e possuem rea constante. Ento, devido ao princpio da incerteza, um aumento na
resoluo no domnio do tempo implica em um aumento da incerteza na localizao da freqncia.
25
[ \
0
W f ,t , 1
t
o f u u1
?1
(3.25)
du
@1
e de ampliar
escala, uma verso contrada da funo vista atravs de uma filtro de tamanho fixo e vice-versa.
Em resumo, escalonar uma wavelet significa distender ou comprimir a mesma, figura abaixo.
Quanto menor a escala utilizada, mais comprimida a wavelet, e vice-versa.
Figura 3.6 Na parte superior tem-se a wavelet distendida, no meio tem-se a wavelet no
tamanho original e na parte inferior tem-se a wavelet comprimida.
E deslocar a wavelet simplesmente significa mover a mesma parar frente ou para trs no
sinal. Matematicamente, o deslocamento de uma funo f t por k representada por
f t1 k . Pode-se visualizar este processo na figura mostrada a seguir
Fa,
onde a a escala,
(3.26)
27
. Na escolha escolha da funo wavelet, existe uma srie de critrios que devem
Suporte A resoluo de uma funo wavelet determinada pelo balano entre seu suporte
no espao real e o seu suporte no espao na freqncia. Uma funo com um suporte mais
compacto (mais estreita) vai ter uma boa resoluo no domnio do tempo e uma resoluo mais
pobre no domnio da freqncia, enquanto uma funo com suporte mais amplo (mais larga)
ter uma resoluo mais pobre no domnio do tempo e uma boa resoluo no domnio da
freqncia (caractersticas determinadas pelo princpio da incerteza de Heisenberg).
Formato A funo wavelet escolhida deve refletir o tipo de caractersticas presentes na srie
temporal. Para sries com picos ou descontinuidades, uma boa escolha seria a wavelet de Haar
, enquanto que para sries mais suaves e com variaes mais sutis deve se escolher uma funo
como a wavelet de Morlet. Se o interesse principal a obteno do Espectro de Energia
Wavelet, ento a escolha da funo wavelet no crtica e qualquer uma delas ir fornecer o
29
Devido a flexibilidade de escolha das wavelets, muitas funes tem sido utilizadas como
wavelets. Abaixo pode-se ter um resumo das wavelets mais utilizadas na literatura.
Wavelet de Haar A wavelet de Haar (vide Figura 3.9) a mais simples de todas as wavelets
e pertence a famlia das wavelets ortogonais com suporte compacto e definida (Kumar &
Fourfola, 1988) como
t,01 se 0Ct?0.5
t,11 se 0.5C t?1
t, 0 caso contrrio
(3.26)
Em um sinal unidimensional discretamente amostrado esta wavelet pode ser vista atuando
como um operador de diferenciao, ou seja, fornecendo diferenas das mdias no sobrepostas
da observao.
Wavelet Chapu Mexicano (Mexican Hat Wavelet) esta wavelet a derivada segunda da
, e1 !
funo gaussiana f t
1 2 t2
t, 2 1 11t e1
2
0.25
0.5t 2
(3.27)
Wavelet de Morlet - O conceito de wavelet na atual forma terica foi pela primeira vz
proposto por Jean Morlet e o grupo de Fsica Terica de Marseille trabalhando sobre o
comando de Alex Grossmann, na Frana. A wavelet de Morlet pertence a famlia de wavelets
no ortogonais e definida (Kumar & Fourfola, 1988) como
t ,1 ! e1
1 4
31
t1 e
11 ! 2
2
0
e1 !
2
1 2t
(3.28)
t ,1 !
1 4
1i
11 ! 2t
D5
, para
(3.29)
D5
0
,o1 bb d ? .
bb
0
(3.30)
Toda vz que for feita referncia sobre a wavelet de Morlet, usar-se- a equao definida
em (3.43).
,1 !
2
1 4 1 ! 2 0 1
,1 !
1 4
,0
(3.31)
t
,t
dada por
11 ! 2 1
(3.32)
Como propriedade importante, esta wavelet possui sua Transformada de Fourier quase que
inteiramente suportada no intervalo
de
,1 ! .
,t
,t
@0,
centrada em em
, !
0
,t
32
, .
,t
A Figura 3.11 mostra a parte real e imaginria da wavelet de Morlet na escala unitria assim
como a sua Transformada de Fourier (lembrando que a mesmo vlido para
D5
0
) . Pode-se
ento interpretar o resultado da anlise de um processo assumindo valores reais usando-se esta
wavelet obtendo-se o visualizando o quadrado do mdulo e a fase,
tan11
Im f, ,t
Re f, ,t
b f, b
,t
Figura 3.11 No topo tm-se a parte real e a parte imaginria da wavelet de Morlet
(para
,5
0
33
Critrio de Escolha das Escalas Este critrio de extrema importncia quando se faz a
anlise de um sinal atravs da Transformada Wavelet por meio da wavelet de Morlet, evitando-se
assim o processamento de clculos desnecessrios e consequentemente minimizando o uso da
memria do computador. Se
! deve
! C! t , logo
passa banda
min
o intervalo da amostragem de f t
, ento o centro do
min
min D
0 t
.
(3.33)
b b
,t
,t
,t
. Sabendo-se que
C0.5 t 1 t ,
max
min
maxC
Grandes valores em
b f, b
,t
tmax 1 t min
.
6
(3.34)
/0 e t V
. Na prtica, a
3 A frequncia de Nyquist vem do Teorema da amostragem ou Teorema de Nyquist que diz Um sinal limitado
em frequncia, pode ser representado com erro nulo por amostras igualmente espaadas de intervalo 1/2F, onde
F a maior frequncia existente no sinal.
34
1. Escolhe-se uma wavelet e faz-se a comparao com uma poro contida no incio do sinal
original (vide Figura 3.12).
Figura 3.12 Diferentes tipos de wavelets que podem ser utilizados na obteno da
CWT.
2. Calcula-se ento o nmero C, que representa a correlao da wavelet com a poro do sinal
sendo analisado (vide Figura 3.13).
3. Move-se a wavelet para a direita e inicia-se novamente os passos (1) e (2) at que todo o sinal
seja percorrido pela wavelet (vide Figura 3.13).
4. A wavelet distendida e repetem-se os passos (1) a (3) (vide Figura 3.14).
5. Os passos de (1) a (4) so repetidos para todas as escalas (vide Figura 3.15).
35
36
Figura 3.16 Finalmente os passos (1) a (4) so repetidos para todas as escalas.
Quando o processo for finalizado, tm-se os coeficientes produzidos em diferentes
escalas para diferentes sees do sinal.
37
et
Quando os parmetros
da Transformada Wavelet
f,
,t
assumem valores
contnuos, tm-se a CWT (como mostrado anteriormente). Para aplicaes prticas, o parmetro
de escala
1 ,t
m
, pode-se escolher t, n t 0 0 onde t 0@0 e depende de
e n um inteiro.
t,1 1 t1 nt
0.5m
m,n
(3.35)
f, ,1 o f t1 t1nt dt
m
0.5m
,t
(3.36)
f,
caso
da
CWT,
diz-se
que
,t
para
m,n
38
t,21 21 t1 n
0.5m
(3.37)
m,n
ortogonais, ou seja
o t t dt,
m,n
onde
ij
m',n'
mm'
nn'
(3.38)
ij,1 se i, j
ij,0 se i/ j
(3.39)
A condio acima implica que essas wavelets so ortogonais para com suas dilataes e
, {
{D
m ,0 n ,0
f t
m ,1 n ,1
m,n
t
m,n
(3.40)
onde o primeiro somatrio sobre as escalas (da menor para a maior) e cada escala somada em
cada uma das translaes. Os coeficientes D m,n so obtidos como
D m,n
, f, Ko f t t .
m,n
,t
(3.41)
, {
{ f,
m ,0 n ,0
f t
m ,1 n ,1
,t
t
m,n
(3.42)
Pela equao (3.40) fcil observar como as wavelets fornecem uma representao no
tempo e escala de um processo, onde a localizao temporal e de escala so dadas pelos ndices n
e m respectivamente. A expanso em srie acima similar a srie de Fourier, com algumas
pequenas diferenas:
39
f t
{ {
m ,0 n ,0
m , m 0 0 1 n ,1
f, t0 {
{ f,
m , m 0 n ,0
,t
m,n
m ,1 n ,1
,t
t
m,n
(3.43)
e com isso pode-se finalmete definir as funes m,n t de maneira anloga a m,n t , ou seja
t,21 ! 21 t1 n
1 2m
(3.44)
m,n
de forma que a primeira soma da srie da equao (3.43) pode ser finalmente escrita como uma
combinao linear de m t , ou seja,
0,n
{ f,
n ,0
n ,1
m 0,n
t,
m 0,n
{ { f,
m ,0 n ,0
m , m 0 0 1 n ,1
,t
(3.45)
m,n
e, consequentemente,
, { f, t0 {
f t
n ,1
{ f,
m , m 0 n ,0
n ,0
m 0,n
m 0,n
m ,1 n ,1
,t
t .
(3.46)
m,n
o t dt,1,
entre
outras propriedades (Meyer, 1989b). Por exemplo, a funo escala correspondente para a wavelet
de Haar a funo caracterstica de intervalo [0,1) dada por
40
(3.47)
, { f, t .
(3.48)
K { f, t ,
(3.49)
n ,0
Pm f t
0
m 0,n
n ,1
m 0,n
Definindo
n ,0
Qm f t
m,n
n ,1
m,n
,P
f t
0 {
m,m0
m0
f t
m ,1
Qm f t .
(3.50)
, P
f t
m 0 11
f t
m , m 0 11
m ,1
Qm f t .
41
(3.51)
, P
0Q f t
(3.52)
, P f t0Q f t
(3.53)
P m 11 f t
0
m0
f t
mencionado antes, P m f t
que so
maiores que a escala 2 m . Pela equao (3.50) mostra-se que quando se vai da escala 2 m para
Qm f t
, dado por
uma funo em alguma escala 2 m , caracteriza a diferena entre os porcessos em duas escalas
diferentes, 2 m e 2 m 1 1 , ou equivalentemente em duas resolues diferentes. Logo a
multi-resoluo.
, u
,u 2 e t
, t ,t
1
[ \
1
f, KW f , t ,o0 o0 f u u1 t
1 1
,t
du
(3.53)
f t
o o o
0
0
0
1
1
1
1 W f , u t d d u
3
,u
42
(3.54)
2.
oo t d t,0 .
Preenchimento com zeros : Este mtodo assume que o sinal zero fora do seu suporte original.
A sua desvantagem a criao de descontinuidades artificiais nas bordas.
Simetrizao : Este mtodo assume que o sinal ou imagem pode ser extendido fora de seu
suporte original simplesmente assumindo os valores simtricos sua fronteira. A sua
desvantagem de criar artificialmente descontinuidades na derivada de primeira ordem nas
bordas. Por outro lado, este mtodo funciona bem para imagens.
Preenchimento suave : Este mtodo assume que o sinal ou imagem pode ser extendido fora do
seu suporte original por uma extrapolao utilizando-se a derivada de primeira ordem. Este
mtodo funciona bem sinais atenuados.
43
Captulo 4
4.1 Introduo
Alguma das propriedades mais importantes na caracterizao de um reservatrio e que
melhor definem uma unidade produtora so: porosidade, saturao de hidrocarbonetos e
permeabilidade. A avaliao correta destes parmetros extremamente importante em todas as
fases de explorao e produo de petrleo e so obtidas usualmente por meio da aquisio e da
anlise de perfis geofsicos. Estes perfis so utilizados principalmente na prospeco de petrleo e
de gua subterrnea e tm sempre como objetivo principal a determinao da profundidade e a
estimativa do volume da jazida.
Neste captulo ser efetuada a transferncia de escala4 em em perfis geofsicos de densidade
(rhoB) e snico (dT) utilizando-se a Anlise Wavelet. Este procedimento adotado devido a
incompatibilidade da amostragem da perfilagem, que de 0.2 m para os perfis envolvidos neste
estudo, e da menor resoluo horizontal da ssmica, que no caso do levantamento 3D de Campo
de Namorado de 25 a 50 m. Este procedimento adotado para a gerao de sismogramas
sintticos (utilizados na integrao poo e ssmica), que em resumo, so gerados pela convoluo
da refletividade obtida atravs dos perfis snico (dT) e densidade (rhoB) com a wavelet derivada
do dado ssmico. De maneira geral, a maioria dos mtodos existentes na literatura especializada se
4 Reduzir por filtragem a informao geolgica s bandas de frequncia compatveis com as da ssmica.
44
Uma das principais motivaes para o uso da Anlise Wavelet na filtragem dos perfis
geofsicos sua capacidade singular em identificar e localizar fenmenos no estacionrios que
ocorrem em um sinal. Vrios fenmenos ocorrem em um perfil e no esto necessariamente
presentes em todo o sinal. Por exemplo, quando utiliza-se a Transformada de Fourier, esta uma
caracterstica um tanto indesejvel para o mesmo, pois esta tcnica consegue identificar as
freqncias constituintes do sinal mas de forma alguma consegue localiz-las .
A frequncia de corte escolhida para a filtragem foi a mesma adotada no trabalho de Silva
(2001), que corresponde ao comprimento de onda acima de 15 m de comprimento, ou seja, a
filtragem vai preservar grande parte dos corpos com mais de 15 m de comprimento. Esta janela de
resoluo tambm compatvel com as frequncias ssmicas usuais, que correspondem a uma
resoluo vertical de 25 a 50 m para as maiores velocidades da formao.
46
com
metros aproximadamente, o que retiraria do sinal os eventos com comprimento de onda menores
que 20 metros, ou seja, retirando com isso os eventos com comprimento de onda de 15 metros,
que tem significado geolgico (Silva, 2001). Uma maneira de contornar este problema seria
reamostrando os perfis, de uma taxa de amostragem de 20 cm para uma taxa de amostragem de 16
cm. Com isso agora, uma decomposio nvel 6, utilizando-se a mesma wavelet daria uma
frequncia de corte de 0.668 Hz que corresponde a aproximadamente ao comprimento de onda de
15 metros. Neste trabalho a abordagem de reamostragem foi deixada de lado.
Fluxograma A
Utilizou-se neste trabalho como um controle do processo de filtragem, o clculo do
variograma (Apndice B) obtidos para cada uma das etapas da decomposio multi-resoluo e
para cada um dos sinais resultantes (aproximaes e detalhes). Quando no houver no variograma
do sinal resultante mais nenhuma estrutura embricada para distncias menores ou iguais a 15 m,
isso mostra que maioria dos eventos do sinal com comprimento de onda iguais ou menores a 15 m
48
foram retirados do mesmo. Utilizou-se esta frequncia em questo por motivos de comparao
entre o mtodo proposto e o trabalho de (Silva, 2001). O histograma de cada uma das
aproximaes tambm foi calculado, assim como a estatstica bsica dos mesmos (mdia e
varincia).
A metodologia foi aplicada grande maioria dos poos utilizados no trabalho de Silva
(2001), que utiliza tambm uma forma alternativa de realizar este procedimento a partir da
Transformada de Fourier. Os poos utilizados foram: 3NA01, 3NA02, 3NA04, 7NA07, 7NA12,
RJS42 e 4RJS234 e os atributos onde foi efetuada a transferncia de escala foram densidade total
(rhoB) e tempo de trnsito (dT) e finalmente os resultados foram ento analisados.
menores de 15 metros e que no variograma do sinal filtrado, grande maioria destas estruturas no
esto mais presentes. A comparao entre o histograma do sinal original e do sinal filtrado mostra
que qualitativamente quase no houve mudana nas classes da distribuio.
reduo de
que no
variograma do sinal filtrado, grande maioria destas estruturas no esto mais presentes. A
comparao entre o histograma do sinal original e do sinal filtrado mostra que que houve uma
movimentao dos elementos das classes mais direita para as classes mais esquerda.
variograma do sinal filtrado, grande maioria destas estruturas no esto mais presentes. A
comparao entre o histograma do sinal original e do sinal filtrado mostra que que houve uma
movimentao dos elementos das classes mais direita para as classes mais esquerda. A
comparao entre o histograma do sinal original e do sinal filtrado mostra que houve um aumento
no nmero dos elementos das classes das extremidades da distribuio.
do sinal original e do sinal filtrado foi de 10.26 (ms)2 para 7.09 (ms)2 respectivamente, que
corresponde a uma reduo de aproximadamente 41 % na varincia do sinal original. Nota-se
pelo variograma da imagem original uma infinidade de estruturas embricadas para distncias
menores de 15 metros e que no variograma do sinal filtrado, grande maioria destas estruturas no
esto mais presentes. A comparao entre o histograma do sinal original e do sinal filtrado mostra
que houve um aumento no nmero dos elementos das classes das extremidades da distribuio.
mudana no parmetro mdia, valendo m = 2.41 g/cm3. A varincia do sinal original e do sinal
filtrado foi de 0.10 (g/cm3)2 para 0.08 (g/cm3)2 respectivamente, que corresponde a uma reduo
de aproximadamente 20 % na varincia do sinal original. Nota-se pelo variograma da imagem
original uma infinidade de estruturas embricadas para distncias menores de 15 metros e que no
variograma do sinal filtrado, grande maioria destas estruturas no esto mais presentes. A
comparao entre o histograma do sinal original e do sinal filtrado mostra que que houve uma
movimentao dos elementos das classes mais direita para as classes mais esquerda. A
comparao entre o histograma do sinal original e do sinal filtrado mostra que houve uma
movimentao dos elementos das classes direita da distribuio para a esquerda da mesma.
53
4.4 Concluses
A grande motivao do uso da Anlise Wavelet no tratamento de sinais geofsicos se deve
principalmente ao fato de que se est utilizando um mtodo totalmente adaptado ao sinal com o
qual se est trabalhando, ou seja, utilizou-se um mtodo que sensvel sinais no estacionrios,
no caso, os perfis geofsicos.
Sumarizando os resultados obtidos, observou-se que a mdia obtida para o sinal original e
o sinal filtrado (praticamente para todos os poos e parmetros), mante-se praticamente a mesma,
mostrando com isso um ponto positivo do mtodo. A varincia obtida para o sinal original e o
sinal filtrado alterou-se para todos os poos e parmetros, mas esta diminuio se mostrou mais
acentuada para o perfil de dT (a menos dos perfis referentes aos poos NA01 e NA12), o que
pode ser notado tambm pelo variograma, observando a diminuio brusca do patamar do
variograma do sinal filtrado em comparao ao patamar da imagem original. Isto mostra que os
pequenos comprimentos de onda menores ou iguais a 15 metros so responsveis por uma parte
considervel de energia deste sinal. Tambm no variograma do sinal original e do sinal filtrado,
observa-se que no primeiro o comportamento esfrico na origem e no segundo tem-se o
comportamento parablico. Isto um comportamento inerente de todos os filtros, ou seja, por
mais que se tente evitar, sempre haver uma atenuao do sinal original. No geral o mtodo se
mostrou eficiente, mantendo a mdia praticamente constante aps a filtragem e conservando de
54
alguma forma a varincia original, ou seja, conservando ainda parte da variabilidade original do
sinal.
55
Figura 4.3 Perfil original (antes da transferncia de escala) de rhoB do poo NA01
(canto esquerdo), seu variograma (canto superior direito) e seu histograma (canto
inferior direito).
Figura 4.4 Perfil de rhoB do poo NA01 aps transferncia de escala em azul e
perfil original em vermelho (canto esquerdo), variograma (canto superior direito) e
histograma (canto inferior direito) do sinal aps transferncia de escala.
56
Figura 4.6 Perfil de dT do poo NA01 aps transferncia de escala em azul e perfil
original em vermelho (canto esquerdo), variograma (canto superior direito) e
histograma (canto inferior direito) do sinal aps transferncia de escala.
57
Figura 4.7 Perfil original (antes da transferncia de escala) de rhoB do poo NA02
(canto esquerdo), seu variograma (canto superior direito) e seu histograma (canto
inferior direito).
Figura 4.8 Perfil de rhoB do poo NA02 aps transferncia de escala em azul e
perfil original em vermelho (canto esquerdo), variograma (canto superior direito) e
histograma (canto inferior direito) do sinal aps transferncia de escala.
58
59
Figura 4.11 Perfil original (antes da transferncia de escala) de rhoB do poo NA04
(canto esquerdo), seu variograma (canto superior direito) e seu histograma (canto
inferior direito).
Figura 4.12 Perfil de rhoB do poo NA04 aps transferncia de escala em azul e
perfil original em vermelho (canto esquerdo), variograma (canto superior direito) e
histograma (canto inferior direito) do sinal aps transferncia de escala.
60
61
Figura 4.15 Perfil original (antes da transferncia de escala) de rhoB do poo NA07
(canto esquerdo), seu variograma (canto superior direito) e seu histograma (canto
inferior direito).
Figura 4.16 Perfil de rhoB do poo NA07 aps transferncia de escala em azul e
perfil original em vermelho (canto esquerdo), variograma (canto superior direito) e
histograma (canto inferior direito) do sinal aps transferncia de escala.
62
63
Figura 4.19 Perfil original (antes da transferncia de escala) de rhoB do poo NA12
(canto esquerdo), seu variograma (canto superior direito) e seu histograma (canto
inferior direito).
Figura 4.20 Perfil de rhoB do poo NA12 aps transferncia de escala em azul e
perfil original em vermelho (canto esquerdo), variograma (canto superior direito) e
histograma (canto inferior direito) do sinal aps transferncia de escala.
64
65
Figura 4.24 Perfil de rhoB do poo RJS42 aps transferncia de escala em azul e
perfil original em vermelho (canto esquerdo), variograma (canto superior direito) e
histograma (canto inferior direito) do sinal aps transferncia de escala.
66
67
Figura 4.28 Perfil de rhoB do poo RJS234 aps transferncia de escala em azul e
perfil original em vermelho (canto esquerdo), variograma (canto superior direito) e
histograma (canto inferior direito) do sinal aps transferncia de escala.
68
69
Captulo 5
5.1 Introduo
A anlise Wavelet permite que uma imagem (informao) seja representada em termos de
um conjunto de funes bsicas, ,t t , ou seja, vetores bsicos ou ncleos. As funes
bsicas so um conjunto de funes linearmente independentes que podem ser usadas para
produzir todas as funes admissveis f(t) (Strang and Nguyen, 1996). Alm disso, o conjunto de
funes bsicas
me
u,21 21
0.5
,t
0.5
t u
(5.1)
Como os parmetros de escala e translao podem variar, pode-se analisar um sinal (uma
imagem no presente caso, sem perda alguma de generalidade) em diferentes nveis de resoluo.
Isto permite efetuar o que denominado de Anlise multi-resoluo obtida atravs da Anlise
Wavelet. Esta anlise feita por meio da utilizao das funes
que
70
para a construo das funes wavelets e seus respectivos filtros. A escolha da funo bsica
determina o tipo de informao que pode ser extrada de um sinal. Ento, de uma maneira
,{ { b
f t
,t
,t
(5.2)
b ,t
,o f u
,t
du
(5.3)
cuja magnitude fornece a medida da significncia da sua funo bsica correspondente. Essas
mesmas equaes que agora se mostram de uma forma mais compacta, j foram mostradas nos
captulos anteriores.
71
ou seja, supondo que os filtros sejam de reconstruo perfeita (Mallat, 1998), temos a seguinte
expresso:
A0 = A1 + D1
(5.4)
A1 = A2 + D2
(5.5)
A0 = A2 + D2 + D1
(5.6)
ou seja, por induo, uma decomposio realizada a nvel n, tem-se a expresso da forma
mostrada a seguir
A0 = An + Dn + ... + D1
72
(5.7)
Hn = Dn + ... + D1
(5.8)
Com isso, pode-se ento representar uma decomposio multi-resoluo a nvel 3 da forma
abaixo:
onde
A0 = A3 + D3 + D2 + D1
(5.9)
ou ainda
A0 = A3 + H3
(5.10)
73
Figura 5.3 Imagem original obtida do elemento fsforo contindo em uma lmina
obtida atravs de microscpio eletrnico.
, onde
74
processo interrompido. O variograma obtido para cada uma das etapas da decomposio multiresoluo a contribuio principal do presente mtodo, por meio da visualizao do efeito
pepita, o profissional vai inferir se deve ou no interromper a filtragem.
75
76
77
e obteve-se a tabela
Nvel
Mdia
Varincia
Efeito Pepita
35.22
69.68
40.01
35.22
27.98
5.03
35.22
21.06
0.68
35.22
18.55
0.16
35.22
15.02
0.15
De posse dos resultados acima, notou-se uma reduo quase total do efeito pepita, sem
mudanas no comportamento do variograma, mantendo o alcance do mesmo e sem alteraes na
mdia das imagens resultantes, que um indicador muito forte da qualidade do mtodo. Nota-se
que na aproximao de nvel 4 A4 a imagem ficou excessivamente grosseira e sem mais melhoras
expressivas nos parmetros efeito pepita e varincia, ou seja, a anlise poderia ter sido encerrada
no nvel 3.
simuladores de fluxo (blocos maiores), e com a garantia de que a resposta ao fluxo de ambas seja
o mais semelhante possvel.
79
80
81
Nvel
Mdia
Varincia
Efeito Pepita
35.22
69.68
40.01
35.22
28.62
3.81
35.22
21.10
0.29
35.22
19.70
0.03
35.21
15.02
0.01
De posse dos resultados mostrados acima, notou-se uma reduo quase total do efeito
pepita (como no exemplo anterior), sem mudanas no comportamento do variograma, mantendo o
alcance do mesmo e sem alteraes na mdia das imagens resultantes, que um indicador muito
forte da qualidade do mtodo. Nota-se que na aproximao de nvel 4 A4 a imagem ficou
extremamente ntida, em contraposio a imagem filtrada obtida anteriormente atravs da wavelet
de Haar. O efeito pepita diminuiu mais consideravelmente tambm nesta decomposio atravs da
wavelet db8, sem perda aparente de resoluo e no ocorrendo efeito de borda (efeito este
geralmente encontrado quando feita a decomposio com outro tipo de wavelet, ex: wavelet
Symlet).
5.3 Concluso
A anlise feita inicialmente com a wavelet de Haar no alterou o parmetro mdia (que se
manteve constante durante todas as etapas da anlise), mas no foi satisfatrio na imagem final,
que ficou cada vez mais difusa a cada etapa do processo. A varincia e o efeito pepita cairam de
forma expressivas. Po outro lado, a anlise efetuada com a wavelet db8 obteve melhor resultado
com a resoluo da imagem final (aproximaes de nvel maior) e no alterou o parmetro mdia
(salvo a mudana ocorrida a nvel 4, onde mdia = 35.21, ou seja, uma mudana praticamente
inexpressiva levando-se em considerao as dimenses envolvidas no problema). Como aconteceu
82
Muitos aspectos foram deixados de lado nesta primeira abordagem. O processo de filtragem
foi feito simplesmente retirando-se continuamente os processos de alta freqncia, mas existem
mtodos de filtragem wavelet mais complexos e robustos, tal como o processo de encolhimento,
tambm chamado de wavelet shrinkage, que tem por objetivo a reduo (e remoo) do rudo
presente num sinal, diminuindo ou zerando a magnitude dos coeficientes da wavelet (Mallat,
1988).
83
Captulo 6
Os variogramas calculados para cada uma das imagens originais mostraram que existe
anisotropia zonal em todas elas e a existncia de vrios embricamentos, demonstrando que tais
imagens so formadas por superposio de fenmenos, ou seja, processos com escalas distintas.
De uma forma geral, foram ajustadas duas estruturas embricadas, uma de curto alcance e outra de
longo alcance, de forma o que o modelo de regionalizao dos fenmenos seja descrito como
(Mundim, 1999):
h, h0 h
curto
longo
(6.1)
84
No seu trabalho, Mundim (1999), o autor utiliza uma tcnica derivada da geoestatstica
chamada de Krigagem Fatorial KF (vide Apndice C) para efetuar a remoo de rudos e realizar
a otimizao de imagens de atributos ssmicos. Tambm mostrou-se que as imagens de atributos
ssmicos por ele utilizadas encontravam-se contaminadas por rudos e, contrariadamente ao que se
poderia esperar, principalmente no intervalo Z3, no salientam o carter geolgico dos intervalos.
6.1 Metodologia utilizada para a filtragem das imagens ssmicas atravs da decomposio
multi-resoluo atravs da Anlise Wavelet
Inicialmente escolhe-se uma das imagens ssmicas para que a filtragem seja efetuada e ento
feita a decomposio multi-resoluo da mesma para n nveis. Para cada nvel de decomposio
calculado o variograma da imagem referente a aproximao nas direes N-S (norte-sul) e L-O
(leste-oeste). Este variograma utilizado ento como critrio de parada, ou seja, ele analisado e
enquanto houver embricamento para distncias menores ou iguais a a, distncia essa igual ao
alcance dos variograma de curto alcance modelados no trabalho de Mundim (1999) e que esto
associados ao rudo que se deseja retirar da imagem. Um detalhe que no foi levado em
considerao no presente trabalho a anisotropia, pois como esta classe de wavelets no consegue
acessar este fenmeno da imagem, a distncia a escolhida como o maior dos alcances (direo
de maior variabilidade) do modelo de variograma anisotrpico de curto alcance . Quando no
existir mais embricamento visvel no variograma para a distncia a, o processo interrompido e a
imagem resultante, ltima aproximao obtida, a imagem final ou imagem filtrada.
Um resumo da metodologia ento adotada para efetuar a filtragem desses rudos associados
a mltiplas contidas nas imagens de sinais ssmicos mostrada de forma grfica no Fluxograma B
e ento sumarizada a seguir:
85
Fluxograma B
6.2 Resultados Obtidos
j foi mostrado anteriormente, em cada uma das sequncias da decomposio gerada uma
aproximao e um detalhe, A e D mostrados na figura acima, que correspondem respectivamente
as baixas e altas freqncias. O processo similar ao mostrado no Captulo 5, onde retirou-se da
imagem apenas as pequenas escalas e ficou-se com as grandes escalas, que similar a metodologia
adotada por Mundim (1999), que se utiliza da Krigagem fatorial para retirar os fenmenos de
pequena escala modelados pelo variograma de curto alcance (fenmeno este associado ao rudo).
O tempo duplo de trnsito (TDT) um atributo que mede o tempo gasto pela energia
ssmica no percurso topo-base-topo do horizonte considerado. funo da velocidade de
propagao da energia ssmica no meio, sendo que a velocidade , por sua vez, funo do prprio
meio e, geralmente, apresenta-se crescente na escala de rochas: arenito folhelho carbonato
sal (Mundim, 1999), ou seja, um bom indicador para a litologia. A imagem do atributo ssmico
TDT utilizada no trabalho foi a camada Z3 do trabalho de Mundim (1999), que corresponde a
camada mais superficial do reservatrio.
Em cada etapa da decomposio (obteno da aproximao e detalhe para cada nvel) foi
obtido o variograma, histograma e estatstica bsica para cada aproximao obtida e que sero os
parmetros de controle da filtragem. Na Figura 6.2, Figura 6.3, Figura 6.4, Figura 6.5 e Figura
6.6 tm-se a aproximao para o nvel 1 A1, nvel 2 A2, nvel 3 A3, nvel 4 A4 e nvel 5 A5
respectivamente, assim como o variograma, histograma e estatstica bsica para cada uma delas.
O trabalho de Mundim (1999) mostra que para esta imagem ssmica, o alcance do modelo de
variograma de curto alcance de a = 650 metros.
87
Na Figura 6.7 pode-se ento confrontar a imagem original e contaminada com rudos com a
imagem final ou filtrada obtida atravs da decomposio multi-resoluo.
88
Em cada etapa da decomposio (obteno da aproximao e detalhe para cada nvel) foi
obtido o variograma, histograma e estatstica bsica para cada aproximao obtida e que sero os
parmetros de controle da filtragem. Na Figura 6.9, Figura 6.10, Figura 6.11, Figura 6.12 e
Figura 6.13 tm-se a aproximao para o nvel 1 A1, nvel 2 A2, nvel 3 A3, nvel 4 A4 e nvel 5 A5
respectivamente, assim como o variograma, histograma e estatstica bsica para cada uma delas.
92
O trabalho de Mundim (1999) mostra que para esta imagem ssmica, o alcance do modelo de
variograma de curto alcance de a = 800 metros.
Na Figura 6.13 pode-se ento confrontar a imagem original e contaminada com rudos com
a imagem final ou filtrada obtida atravs da decomposio multi-resoluo. A imagem final ou
filtrada ficou notadamente mais suavizada.
93
Em cada etapa da decomposio (obteno da aproximao e detalhe para cada nvel) foi
obtido o variograma, histograma e estatstica bsica para cada aproximao obtida e que sero os
parmetros de controle da filtragem. Na Figura 6.15, Figura 6.16, Figura 6.17, Figura 6.18 e
Figura 6.19 tm-se a aproximao para o nvel 1 A1, nvel 2 A2, nvel 3 A3, nvel 4 A4 e nvel 5 A5
respectivamente, assim como o variograma, histograma e estatstica bsica para cada uma delas.
97
O trabalho de Mundim (1999) mostra que para esta imagem ssmica, o alcance do modelo de
variograma de curto alcance de a = 800 metros.
Na Figura 6.20 pode-se ento confrontar a imagem original e contaminada com rudos com
a imagem final ou filtrada obtida atravs da decomposio multi-resoluo.
98
6.3.1 Estatstica bsica e histogramas para cada uma das imagens filtradas
A estatstica bsica e os histogramas das imagens tempo duplo de trnsito, impedncia e
amplitude esto contidas nas figuras Figura 6.21, Figura 6.22, Figura 6.23 respectivamente.
estatstica bsica e
102
A partir dos resultados mostrados nas figuras acima obtm-se as tabelas abaixo:
L
Mdia e varincia para a filtragem da imagem ssmica TDT para a imagem original e cada um
dos mtodos de filtragem
TDT
varincia
Imagem Original
16.74
3.97
KF
16.74
1.53
MRA
L
mdia
16.74
2.63
Mdia e varincia para a filtragem da imagem ssmica Imp para a imagem original e cada um
dos mtodos de filtragem
Impedncia
varincia
Imagem Original
8163
9639
KF
8162
4287
MRA
L
mdia
8105
7722
Mdia e varincia para a filtragem da imagem ssmica Amp para a imagem original e cada um
dos mtodos de filtragem
Amplitude
mdia
varincia
Imagem Original
-92.2
122.7
KF
-91.2
5.95
MRA
-93.1
13.4
Pela comparao dos resultados mostrados nas tabelas anteriores, nota-se que os mtodos
so praticamente equivalentes quanto ao parmetro mdia da imagem final, ou seja, eles
praticamente mantiveram a mdia da imagem original. Quanto ao parmetro varincia, o mtodo
de MRA de alguma forma conservou melhor a variabilidade da imagem original, isto ocorrendo
em todos as imagens filtradas.
104
Pela anlise da Figura 6.24, Figura 6.25, Figura 6.26, Figura 6.27, Figura 6.28 e Figura
6.29 pode-se confirmar o que j foi visto anteriormente atravs da anlise de histogramas, as
validaes cruzadas das imagens obtidas atravs da MRA mostram que o mtodo conservou
melhor os elementos situados nas caudais da distribuio. Em outras palavras, ele de alguma
forma continua conservando parte da variabilidade da imagem original.
Comparando as validaes cruzadas obtidas para a imagem ssmica tempo duplo de trnsito
na Figura 6.24 (MRA) e Figura 6.25 (KF) nota-se que a nuvem obtida para a imagem filtrada
atravs da MRA apresentou uma melhor simetria em torno da 1a bissetriz.
Esta mesma comparao efetuada entre as validaes cruzadas obtidas para a imagem
impedncia acstica na Figura 6.26 (MRA) e Figura 6.27 (KF) mostra que a nuvem obtida para
a imagem filtrada atravs da MRA apresentou uma melhor simetria em torno da 1a bissetriz, o que
no acontece com a nuvem obtida para a imagem filtrada atravs da KF.
J para as validaes cruzadas obtidas para a imagem ssmica amplitude na Figura 6.28
(MRA) e Figura 6.29 (KF) mostra que a nuvem obtida para a imagem filtrada para ambas as
imagens se mostrou bastante difusa, mas ainda assim a nuvem obtida para a imagem filtrada
atravs da MRA mostra-se mais simtrica em relao 1a bissetriz.
105
Figura 6.24 Validao cruzada entre a imagem original e a imagem filtrada obtida
atravs da KF.
Figura 6.25 Validao cruzada entre a imagem original e a imagem filtrada obtida
atravs da MRA.
106
Figura 6.26 Validao cruzada entre a imagem original e a imagem filtrada obtida
atravs da KF.
Figura 6.27 Validao cruzada entre a imagem original e a imagem filtrada obtida
atravs da MRA..
107
Figura 6.28 Validao cruzada entre a imagem original e a imagem filtrada obtida
atravs da KF.
Figura 6.29 Validao cruzada entre a imagem original e a imagem filtrada obtida
atravs da MRA.
108
S 2,
1
n
{,
n
i 1
x i1 y i 2
Disperso
KF
MRA
TDT
16.15
13.66
Impedncia
42474
52911
Amplitude
969.6
1019.8
Nota-se que de uma maneira geral, que a imagem filtrada atravs da MRA apesar de
conservar a mdia e ainda assim conservar melhor parte da variabilidade da imagem original, de
alguma forma alterou bem mais a imagem original, o que se v com os parmetros de disperso
acima, bem maiores do que os obtidos da imagem filtrada atravs da KF.
109
110
111
A seguir pode-se comparar de uma forma qualitativa (no visual) as imagens obtidas atravs
da MRA e as obtidas atravs da KF.
Na Figura 3.33, que confronta a imagem filtrada do atributo ssmico TDT obtido atravs da
MRA com a obtida atravs da KF, mostra que os resultados obtidos so qualitativamente
parecidos, principalmente com respeito parte central do reservatrio, onde em ambas as imagem
pode-se notar a existncia de um corpo acanalado que entra pela face sul do reservatrio. Nota-se
entretanto que a imagem obtida atravs da MRA mostra mais detalhes, ou seja, mostra-se menos
atenuada (suavizada) que a imagem obtida atravs da KF.
J na Figura 3.34, que confronta a imagem filtrada do atributo ssmico Imp obtido atravs
da MRA com a obtida atravs da KF, mostra que os resultados obtidos so visualmente
diferentes, pelo menos no que diz respeito ao formato dos corpos em geral encontrados em ambas
as imagens. Nota-se tambm que a imagem obtida atravs da MRA mostra-se mais atenuada que
a imagem obtida atravs da KF.
Na Figura 3.35, que confronta a imagem filtrada do atributo ssmico Amp obtido atravs da
MRA com a obtida atravs da KF, mostra que apresentam resultados qualitativamente
equivalentes, pelo menos no que diz respeito ao formato dos corpos em geral encontrados em
ambas as imagens. Nota-se entretanto, que neste caso, a imagem obtida atravs da MRA mostrase bem mais atenuada que a imagem obtida atravs da KF.
112
Figura 6.33 TDT - Imagem filtrada atravs da MRA (parte superior) e a imagem
filtrada atravs da KF (parte inferior).
113
114
Concluso
115
Pela anlise dos variogramas pode-se observar que o patamar do variograma da imagem
filtrada atravs da MRA est mais prximo do patamar do variograma da imagem original, ou
seja, confirmando o que j vinha sendo mostrado, que parte da variabilidade dos dados originais
est sendo mantida. Mostrou-se com isso que a filtragem atravs da MRA um mtodo de grande
potencial e aplicabilidade no tratamento de sinais geofsicos e que o uso combinado com as
ferramentas da geostatstica (variogramas, validaes cruzadas, entre outras) se mostrou bastante
eficiente.
116
Apndice A
Krigagem Fatorial
A teoria geral da Anlise atravs da Krigagem Fatorial ou FKA (do ingls Factorial Kriging
Analysis) foi desenvolvida por Matheron (1982). A FKA foi utilizada por Galli, Gerdil-Neuillet &
Dadou (1984) como uma tcnica para separao de anomalias magnticas. A FKA assume que
um fenmeno regionalizado pode ser visto como uma soma linear de subfenmenos independentes
atuando em diferentes escalas, cada qual apresentando seu prprio variograma ou modelo de
covarincia do fenmeno regionalizado. Desta forma, uma varivel regionalizada com
estacionaridade de segunda ordem Z x pode ser decomposta em uma soma de sua mdia
m x , representada por E Z x , com n variveis regionalizadas no correlatas com mdia
zero Z n x :
Z x , Z 0 x 0... 0 Z n x 0 m x
O variograma imbricado ser a soma linear de seus variogramas constituintes
h , 0 h 0...0 n h
e
A componentes estimada Z n [ x \ dado pela combinao linear:
117
Z n x ,
,1
Z x
,1
x 1 x 0, n x 1 x0
,1
com
,0
1,..., n .
118
Apndice B
Algoritmos Utilizados
Os algoritmos utilizados e implementados neste trabalho esto listados abaixo com um
respectivo resumo de utilizao do mesmo.
VARIO1D
Calcula o variograma para um conjunto de dados unidimensional e cuja sintaxe da forma :
var = vario1d(vet), onde vet o vetor a ser variografado (input) e var o variograma calculado
(output).
VARIO2D
Calcula o variograma para um conjunto de dados bidimensional e cuja sintaxe da forma :
[var1 var2] = vario2d(mat), onde mat a imagem a ser variografada (input) e var1 o
variograma calculado na direo NS e var2 o variograma calculado na direo LO (output).
ANALISE1D
Realiza a decomposio multi-resoluo do sinal (perfil). O uso do algoritmo est restrito
aos perfis mostrados no trabalho. Sua utilizao bastante simples e resumida abaixo:
A sada grfica e mostra em cada uma das decomposies, e seus respectivos variograma e
histograma.
FILTRAGEM2D
Assim como o algoritmo analise1d, este algoritmo est otimizado para trabalhar apenas com
as imagens mostradas no trabalho. Posteriormente ser realizada a adaptao do programa para
que sua utilizao seja possvel com qualquer conjunto de dados bidimensional (imagens) estar
disponvel
para
download,
assim
como
ftp://ftp.ige.unicamp.br/pub/prota
120
os
outros
algoritmos
em
Referncias Bibliogrficas
Astaf'eva, N.M. Wavelet Analysis: basic theory and some applications, Physics Uspekhi, vol.
39, no. 11, pp. 1085 1108, 1996
Daubechies, I. Orthonormal Bases of Compactly Supported Wavelets, Comm Pure and Appl.
Math,. vol. 41, no. 7, pp. 909-996, 1988.
Daubechies, I. Ten Lectures on Wavelets, Society for Industrial and Applied Mathematics,
Philadelaphia, Pennsylvania, 1992.
Chu, L., Schatzinger, R.A., Tharn, M.K. Application of wavelet analysis to upscaling of rock
properties, SPE 36517, 1996
Doveton, J.H. Geologic log analysis using computer methods, AAPG Computer Applications in
121
Galli, A., Gerdil-Neuillet, F., Dadou, C. Factorial kriging analysis: A substitute to spectral
analysis of magnetic data, G. Verly et al. (eds), Geostatistical for natural resources
characterization, Part 1, D Raidal Publishing Company, pp. 543 557, 1984
Jansen, F.E. Upscaling of reservoir properties using wavelets, SPE 39495, 1998
Journel, A., Fundamentals of Geostatistics in Five Lessons (Short Course in Geology, Vol 8).
Amer Geophysical Union, 1989
Kumar, A., Farmer, C.L., Jerauld, G.R.,Li, D. Efficient upscaling from cores to simulation
models, SPE 38744 presented at the ATCE held in San Antonio, 1997.
Liu, P.C. Wavelet spectrum and ocean wind waves, Wavelets in Geophysics, Efi FourfoulaGeorgiou and Praveen Kumar (eds), pp. 151 166, 1996
Massel, S.R. Wavelet analysis for processing of ocean surface wave records, Ocean
Engineering, no. 28, 957 987, 2001
122
Matheron, G. Pour une analyse krigeante de donns rgionalses. Internal Report, no. 732,
Centre de Geostatistics, Fontainebleau, 1982
Meyer, Y. Ondelletes et oprateurs, Tome 1, Hermann Ed. (English Translation: Wavelet and
operators, Cambridge University Press), 1989b
Morlet, J. Sampling theory and wave propagation, Proc. 51st Annu. Meet. Soc. Explor.
Geophy., Los Angeles, 1981
Mundim, E.C., Remacre, A.Z., Johann, P. Seismic data factorial kriging analysis: a
geostatistical filtering applied to reservoir characterization, Society Exploration
Geophysicists - The Leading Edge, vol. 18, no. 7, 787, 1999
Oliver, M.A., Borch, E., Slocum, K. Wavelets and kriging for filtering and data
reconstruction, WJ Kleingeld and DG Krige (eds), Geostats 2000, Cape Town, Copyright
2000
Panda, M.N, Mosher, C., Chopra, A.K. Application of wavelet transform to reservoir data
analysis ans scaling, SPE 36516, 1996
Prokoph, A., Agtemberg, F.P. Wavelet analysis off well-logging data fro oil source rock, Egret
Member, Offshore eastern Canada, AAPG Bulletin, vol. 84, no. 10, pp. 1617 1632,
123
2000
Seron, F.J., Baddal, J.I., Sabadell, F.J. Spatiall prediction procedures for regionalization and
3-D imaging of Earth structures, Physics of the Earth and Planetary interior, vol. 123, pp.
149 168, 2001
Silva, A. Anlise de perfis geofsicos de poo no domnio de Fourier e sua integrao com a
aquisio ssmica no modelamento de reservatrios, relatrio de projeto de pesquisa
(processo 99/11140-9) de Ps-doc junto ao DARM IG / UNICAMP, FAPESP, 2001
Silva, A., Remacre, A.Z. Geological constrained log filtering as a basis for scale transference,
SPE 69484, 2001
Strang, G., Nguyen, T. Wavelets and filter banks, Wellesley, Cambridge Press
Torrence, C., Compo, G.P. A practical guide to wavelet analysis, Bulletin of the American
Meteorololical Society, vol. 79, no. 1, 61 78, 1998
124