Application of wavelet transform to well log denoising and sedimentary cyclicity

Perfis geofísicos de poços são importantes fontes de informação para o estudo de rochas em subsuperfície, sendo comumente utilizados na caracterização de reservatórios de petróleo. É sabido que os sinais obtidos como respostas do meio geológico contêm ruídos que podem afetar a interpretação do objeto estudado e que a transformada wavelet (WT) é melhor adaptada que a transformada de Fourier (FT) para a análise de sinais não-estacionários, como aqueles obtidos da perfilagem geofísica. Por outro lado, existem diversos parâmetros que devem ser considerados quando se trabalha com a WT, tais como a escolha da função wavelet base (wavelet mãe), o nível de decomposição, assim como a função e as regras que "controlam" como e quais coeficientes serão utilizados para reconstrução do sinal. Este estudo analisa o processo de atenuação de ruídos em perfis geofísicos de poços através da transformada wavelet ortogonal. Numa primeira abordagem, foi estudado o processo de atenuação em sinais sintéticos e então, foi estudado o processo em perfis geofísicos reais. Uma vez que os dados de perfis de poços são geralmente utilizados para a classificação de litologias, foi proposto um método associado com o algoritmo de classificação K-Vizinhos Mais Próximos (KNN) para investigar como as diferentes combinações dos parâmetros afetam os sinais de saída e o seu desempenho na classificação litológica, tornando assim um processo conduzido pelos dados. Foi investigada as funções de thresholding tradicionalmente empregadas (hard e soft threshold) bem como uma recente abordagem (customized threshold), sendo esta a que proporcionou melhores resultados. O potencial da transformada wavelet como ferramenta para auxiliar na interpretação geológica é evidenciado pela identificação de importantes características geológicas, como regiões de cimentação carbonática e a determinação de ciclos sedimentares, do Campo de Namorado, Bacia de Campos, Brasil.Geophysical well logs are an important tool for the characterization of subsurface rocks, being commonly used in the study of reservoir geology. It is well known that signals obtained as responses from geological media contain noise that can affect their interpretation, and that wavelet transform (WT) is more suitable than the Fourier transform (FT) to denoise non-stationary signals, as the ones obtained from well logs. On the other hand, there are several parameters that must be considered when working with the WT, such as the wavelet basis function choice (mother wavelet), the decomposition level and also the function and rules that "control" which and how the coefficients will be used for signal reconstruction. This study analyzes the process of denoising geophysical well log data by orthogonal wavelet transform. In a first approach, it was studied the denoising process in synthetic signals and then, the process in real geophysical well logs. Since the well log data are usually used in lithology classification, we propose a method associated with the K-Nearest Neighbor (KNN) classification algorithm to investigate how different combinations of parameters affect the output signals and its performance in the lithological classification, thus making a data driven process. It was evaluated the thresholding function traditionally used (hard e soft threshold) as well a recent approach (customized threshold), this being the one that provided better results. The potential of the wavelet transform as a tool to aid geological interpretation is evidenced by the identification of important geological features, such as regions of carbonate cementation and determination of sedimentary cycles of the Namorado Field, Campos Basin, Brazil