Review

Neste trabalho, foi apresentada uma revisão da literatura sobre imputação de dados de perfil de poços, juntamente com a proposta de um benchmark para a avaliação de métodos de imputação, motivada por uma lacuna na literatura em relação a protocolos consistentes e padronizados para a comparação entre diferentes abordagens.

Esta review teve como objetivo apresentar uma revisão das abordagens de Deep Learning para segmentação de dados sísmicos através de uma revisão abrangente e reprodutível da literatura, identificando e analisando diferentes abordagens, arquiteturas e metodologias utilizadas neste campo.

Este artigo revisa de forma abrangente as técnicas, modelos e práticas atuais na interpretação de volumes sísmicos baseados em DL com base em três diferentes tarefas de interpretação estrutural: interpretação de falhas, estimativa de horizonte e estimativa de tempo geológico relativo (RGT), três pilares complementares da estrutura geológica.

Nos últimos anos, diversas técnicas de aprendizado profundo têm sido aplicadas ao problema de segmentação de fácies sísmicas. No entanto, há uma falta de um protocolo autoritativo para avaliar tais modelos, de modo que a comparação entre os resultados fica comprometida.