SELECCIÓN DE CARACTERÍSTICAS WAVELET Y RECONOCIMIENTO DE PATRONES APLICANDO SVM PARA LA IDENTIFICACIÓN DE ZONAS POTENCIALMENTE PRODUCTORAS DE HIDROCARBUROS

Abstract

Este trabajo presenta un estudio centrado en el tratamiento digital de señales obtenidas a través del perfilaje de pozos para analizar y detectar zonas potencialmente productoras de hidrocarburos. Para el análisis de los registros de los perfiles se inicia con una primera fase donde se realiza un procesamiento de la señal utilizando la Transformada Wavelet, que hace una compresión de los datos para obtener la mejor caracterización de los perfiles. En esta etapa se aplica el método del algoritmo de la mejor base Wavelet Packet, utilizando dos funciones de costo de información realizando una comparación entre ellas (Logaritmo de la Energía, Entropía de Shannon). En la segunda fase se realiza una extracción de características para reducir dimensionalidad del conjunto de datos aplicando una técnica denominada, Análisis de Componentes Principales (PCA). En la última fase se implementó la Máquina de Soporte Vectorial (SVM) haciendo uso de sus algoritmos de entrenamiento y clasificación para obtener mejores resultados que los ya alcanzados en el trabajo anterior con Redes Neuronales Artificiales. El resultado de este trabajo es un entorno realizado en Matlab 7.6 donde los registros derivados de los perfiles de Resistividad, Gamma Ray, Potencial Espontáneo, Porosidad (Bulk Density y neutrónico), son cargados para evaluar y clasificar las zonas potencialmente productoras de interés calificadas por la (SVM).