Comparação entre métodos de agrupamentos de dados em atributos sísmicos
Abstract
Métodos de agrupamento de dados são ferramentas importantes em mineração de dados, pois permitem detectar padrões não encontrados explicitamente nos dados armazenados. Neste trabalho, métodos de agrupamento são aplicados a atributos sísmicos visando detectar padrões que permitam identificar diferentes litologias na análise exploratória de petróleo. Atributos sísmicos são gerados a partir de transformações sobre os dados de uma linha sísmica, sendo alguns selecionados para formar um conjunto de dados a ser aplicado pelos diferentes algoritmos de agrupamento de dados. Este trabalho apresenta a utilização de três métodos de agrupamento de dados diferentes: As redes neurais conhecidas por SOM (Self-Organizing Maps") e UVQ ("Unsupervised Vector Quantiser") e o algoritmo baseado em teoria de conjuntos nebulosos conhecido por FCM ("Fuzzy C-Means"). Na aplicação de cada método, várias partições são geradas e é aplicada uma função de validação de agrupamento de dados conhecida por índice PBM. Esta função indica o número do particionamento em que os dados foram melhor agrupados e os resultados são apresentados e analisados.
Author-supplied keywords
Sign up today - FREE
Mendeley saves you time finding and organizing research. Learn more
- All your research in one place
- Add and import papers easily
- Access it anywhere, anytime