viernes, 15 de mayo de 2009
jueves, 12 de marzo de 2009
Indice Curso Inversión Sísmica
1 Introducción
1.1 ¿Que es la inversión de trazas?
1.2 Fundamentos
1.2.1 El Concepto de Inversión de Trazas
1.2.2 El Modelo Convolucional
1.2.3 Beneficios de la Inversióon de trazas
1.2.4 Relación Tiempo-Profundidad
1.2.5 La Ondícula
1.2.6 Estimación de la ondícula usando el dato sísmico
1.2.7 Estimación de la ondícula usando el dato sísmico y el
dato de pozo
1.2.8 La Fase Sísmica
2 El Método Inverso
2.1 El Teorema de Bayes
2.2 Estimadores Centrales y Estimadores de Dispersión
2.2.1 Caso Unidimensional
2.2.2 Caso Bidimensional
2.3 La Función Gaussiana
2.4 El Problema Directo
2.5 El Problema Inverso visto como Problema de Optimización
2.5.1 Un caso Especial: Modelado Gaussiano y Observaciones
de los Errores para la solución del Problema Inverso
3 Tipos de Inversión
3.1 Inversión tipo ”Banda Limitada”
3.1.1 El Porque de la limitación de frecuencias en la inversión estilo ”Banda Limitada”
3.1.2 La Inversión tipo Banda Limitada Recursiva Per Se
3.1.3 Inversión de Trazas usando una Aproximación Lineal (Norma L1)
3.1.4 Inversión de Trazas usando Mínimos Cuadrados (Norma L2)
3.1.5 Métodos de resolución
4 Dominios para realizar una Inversión de Trazas: La inversión Pre y Post Apilado
4.1 La Inversión Post Apilado
4.2 La Inversin Pre Apilado
5 Flujo de Trabajo e Interpretación
5.1 Flujo de Trabajo
5.2 Interpretación
1.1 ¿Que es la inversión de trazas?
1.2 Fundamentos
1.2.1 El Concepto de Inversión de Trazas
1.2.2 El Modelo Convolucional
1.2.3 Beneficios de la Inversióon de trazas
1.2.4 Relación Tiempo-Profundidad
1.2.5 La Ondícula
1.2.6 Estimación de la ondícula usando el dato sísmico
1.2.7 Estimación de la ondícula usando el dato sísmico y el
dato de pozo
1.2.8 La Fase Sísmica
2 El Método Inverso
2.1 El Teorema de Bayes
2.2 Estimadores Centrales y Estimadores de Dispersión
2.2.1 Caso Unidimensional
2.2.2 Caso Bidimensional
2.3 La Función Gaussiana
2.4 El Problema Directo
2.5 El Problema Inverso visto como Problema de Optimización
2.5.1 Un caso Especial: Modelado Gaussiano y Observaciones
de los Errores para la solución del Problema Inverso
3 Tipos de Inversión
3.1 Inversión tipo ”Banda Limitada”
3.1.1 El Porque de la limitación de frecuencias en la inversión estilo ”Banda Limitada”
3.1.2 La Inversión tipo Banda Limitada Recursiva Per Se
3.1.3 Inversión de Trazas usando una Aproximación Lineal (Norma L1)
3.1.4 Inversión de Trazas usando Mínimos Cuadrados (Norma L2)
3.1.5 Métodos de resolución
4 Dominios para realizar una Inversión de Trazas: La inversión Pre y Post Apilado
4.1 La Inversión Post Apilado
4.2 La Inversin Pre Apilado
5 Flujo de Trabajo e Interpretación
5.1 Flujo de Trabajo
5.2 Interpretación
Indice Curso Análisis de Atributos
1. INTRODUCCION
2. ATRIBUTOS SISMICOS
2.1. ATRIBUTOS DE TRAZA O BASADOS EN MUESTRAS
2.1.1. TRANSFORMADA DE HILBERT
2.1.2. ATRIBUTOS DE TRAZA
3. UTILIZACION DE TRANSFORMACIONES MULTIATRIBUTOS PARA PREDECIR PROPIEDADES DE REGISTROS DE POZO SOBRE LA BASE DE ATRIBUTOS SISMICOS DE TRAZA
3.1.- REGRESION LINEAL MULTIATRIBUTO
3.2.- GRAFICOS DE DISPERSION
3.3.- EXTENSION AL PROBLEMA MULTIATRIBUTO
3.4.- USO DE OPERADORES DE CONVOLUCION
3.5.- IMPEMENTACION ALGORITMICA: REGRESION PASO A PASO
3.6.- REDES NEURONALES
3.6.1.- MULTI-LAYER FEED FORWARD NEURONAL NETWORK (MLFN)
3.6.2.- REDES NEURONALES PROBABILISTICAS (PNN)
4.- ANALISIS DEL ERROR Y VALIDACION DE LOS PROCEDIMIENTOS DE ESTIMACION
5.-ESTADISTICA MULTIVARIADA. ANALISIS DE ATRIBUTOS DE VENTANA
5.1.-INTRODUCCION
5.2. ANALISIS DISCRIMINANTE
5.3. ANALISIS AGRUPAMIENTO
5.3.1. ANALISIS AGRUPAMIENTO. MEDIDAS DE SIMILARIDAD ESTADISTICA MULTIVARIADA
5.3.2. METODOS DE AGRUPAMIENTO JERARQUICO
5.3.2.1. ALGORITMO DE AGRUPAMIENTO JERARQUICO
5.3.2.2. ALGORITMO DE WARD
5.3.2.3. OBSERVACIONES
5.3.3. METODOS DE AGRUPAMIENTO NO - JERARQUICOS
5.3.3.1. METODOS “K-MEANS”
5.4. ANALISIS FACTORIAL
6.-APLICACIÓN DE TECNICAS DE REDES NEURONALES EN EL CO-MODELADO DE PROPIEDADES ELECTRICAS A PARTIR DE ATRIBUTOS SISMICOS
6.1.- INTRODUCCION
6.2.-ALGORITMO FNN. Aproximación del mapa de redes neuronales
6.3.-RUIDO COHERENTE: Efecto sobre el mapa neuronal
6.4.-RUIDO ALEATORIO: Efecto sobre el mapa neuronal
APENDICE I. ORGANIZACION Y DESCRIPCION DE DATOS MULTIVARIADOS
APENDICE II ELEMENTOS DE ALGEBRA LINEAL
APENDICE III. DISTRIBUCION NORMAL MULTIVARIADA
2. ATRIBUTOS SISMICOS
2.1. ATRIBUTOS DE TRAZA O BASADOS EN MUESTRAS
2.1.1. TRANSFORMADA DE HILBERT
2.1.2. ATRIBUTOS DE TRAZA
3. UTILIZACION DE TRANSFORMACIONES MULTIATRIBUTOS PARA PREDECIR PROPIEDADES DE REGISTROS DE POZO SOBRE LA BASE DE ATRIBUTOS SISMICOS DE TRAZA
3.1.- REGRESION LINEAL MULTIATRIBUTO
3.2.- GRAFICOS DE DISPERSION
3.3.- EXTENSION AL PROBLEMA MULTIATRIBUTO
3.4.- USO DE OPERADORES DE CONVOLUCION
3.5.- IMPEMENTACION ALGORITMICA: REGRESION PASO A PASO
3.6.- REDES NEURONALES
3.6.1.- MULTI-LAYER FEED FORWARD NEURONAL NETWORK (MLFN)
3.6.2.- REDES NEURONALES PROBABILISTICAS (PNN)
4.- ANALISIS DEL ERROR Y VALIDACION DE LOS PROCEDIMIENTOS DE ESTIMACION
5.-ESTADISTICA MULTIVARIADA. ANALISIS DE ATRIBUTOS DE VENTANA
5.1.-INTRODUCCION
5.2. ANALISIS DISCRIMINANTE
5.3. ANALISIS AGRUPAMIENTO
5.3.1. ANALISIS AGRUPAMIENTO. MEDIDAS DE SIMILARIDAD ESTADISTICA MULTIVARIADA
5.3.2. METODOS DE AGRUPAMIENTO JERARQUICO
5.3.2.1. ALGORITMO DE AGRUPAMIENTO JERARQUICO
5.3.2.2. ALGORITMO DE WARD
5.3.2.3. OBSERVACIONES
5.3.3. METODOS DE AGRUPAMIENTO NO - JERARQUICOS
5.3.3.1. METODOS “K-MEANS”
5.4. ANALISIS FACTORIAL
6.-APLICACIÓN DE TECNICAS DE REDES NEURONALES EN EL CO-MODELADO DE PROPIEDADES ELECTRICAS A PARTIR DE ATRIBUTOS SISMICOS
6.1.- INTRODUCCION
6.2.-ALGORITMO FNN. Aproximación del mapa de redes neuronales
6.3.-RUIDO COHERENTE: Efecto sobre el mapa neuronal
6.4.-RUIDO ALEATORIO: Efecto sobre el mapa neuronal
APENDICE I. ORGANIZACION Y DESCRIPCION DE DATOS MULTIVARIADOS
APENDICE II ELEMENTOS DE ALGEBRA LINEAL
APENDICE III. DISTRIBUCION NORMAL MULTIVARIADA
Indice Curso Geoestadistica
1.GEOESTADÍSTICA
1A. DEFINICIÓN
1B. VARIABLES REGIONALIZADAS
1C. SOPORTE
2. ELEMENTOS DE PROBABILIDAD Y ESTADÍSTICA.
HERRAMIENTAS BÁSICAS PARA LA DESCRIPCIÓN DE LA
DISTRIBUCIÓN ESTADÍSTICA DE POBLACIONES
2A. PROBABILIDAD
Definiciones Básicas
Distribución de Frecuencia
Definición de Probabilidad
Funciones de Densidad y Distribución de Probabilidad
Esperanza y Momentos Matemáticos
Algunas Funciones de Densidad de Probabilidad Comunes
Distribuciones Conjuntas Bivariadas
2B. ESTADÍSTICA
El Muestreo y sus Distribuciones
Estimación Puntual de Parámetros
Estimación de Intervalos
Pruebas de Hipótesis
Pruebas sobre la Media
Pruebas sobre la Varianza
Pruebas de Bondad de Ajuste
El Modelo Lineal
3. EL SEMIVARIOGRAMA
3A. PRINCIPIOS Y CÁLCULOS BÁSICOS
3B. CARACTERÍSTICAS Y MODELADO DEL VARIOGRAMA
3C. EL EFECTO PEPITA
3D. ESTACIONARIDAD
3E. ANISOTROPÍA
4. LA ESTIMACIÓN LOCAL – KRIGING
4A. INTRODUCCIÓN
4B. ECUACIONES PARA KRIGING
Condición No Sesgada
Condición de Varianza Mínima
Forma Matricial
Observaciones Importantes
4C. TOMANDO EN CUENTA LA TENDENCIA
La Forma de la Tendencia
La Covarianza o Variograma de la Función No Estacionaria
4D. KRIGING VERSUS OTROS MÉTODOS DE INTERPOLACIÓN
4E. ELABORACIÓN DE UN PLAN PARA APLICAR KRIGING
5. LA ESTIMACIÓN MULTIVARIADA – COKRIGING
5A. INTRODUCCIÓN
5B. EL SISTEMA DE COKRIGING
5C. UN EJEMPLO NUMÉRICO
5D. OBSERVACIONES IMPORTANTES
6. LA SIMULACIÓN CONDICIONAL
6A. INTRODUCCIÓN
6B. CONDICIONAMIENTO
6C. LA TEORÍA DE LA SIMULACIÓN CONDICIONAL - EL PRINCIPIO DEL
CONDICIONAMIENTO
Observaciones Importantes
6D. APROXIMACIÓN MEDIANTE LA SIMULACIÓN SECUENCIAL
Cuestiones de Implementación
6E. ALGORITMOS APLICADOS
Algoritmos Gaussianos
Transformada Normal
Verificación de la Distribución Bivariada Normal
6F. SIMULACIÓN SECUENCIAL GAUSSIANA
6G. SIMULATED ANNEALING (SA)
1A. DEFINICIÓN
1B. VARIABLES REGIONALIZADAS
1C. SOPORTE
2. ELEMENTOS DE PROBABILIDAD Y ESTADÍSTICA.
HERRAMIENTAS BÁSICAS PARA LA DESCRIPCIÓN DE LA
DISTRIBUCIÓN ESTADÍSTICA DE POBLACIONES
2A. PROBABILIDAD
Definiciones Básicas
Distribución de Frecuencia
Definición de Probabilidad
Funciones de Densidad y Distribución de Probabilidad
Esperanza y Momentos Matemáticos
Algunas Funciones de Densidad de Probabilidad Comunes
Distribuciones Conjuntas Bivariadas
2B. ESTADÍSTICA
El Muestreo y sus Distribuciones
Estimación Puntual de Parámetros
Estimación de Intervalos
Pruebas de Hipótesis
Pruebas sobre la Media
Pruebas sobre la Varianza
Pruebas de Bondad de Ajuste
El Modelo Lineal
3. EL SEMIVARIOGRAMA
3A. PRINCIPIOS Y CÁLCULOS BÁSICOS
3B. CARACTERÍSTICAS Y MODELADO DEL VARIOGRAMA
3C. EL EFECTO PEPITA
3D. ESTACIONARIDAD
3E. ANISOTROPÍA
4. LA ESTIMACIÓN LOCAL – KRIGING
4A. INTRODUCCIÓN
4B. ECUACIONES PARA KRIGING
Condición No Sesgada
Condición de Varianza Mínima
Forma Matricial
Observaciones Importantes
4C. TOMANDO EN CUENTA LA TENDENCIA
La Forma de la Tendencia
La Covarianza o Variograma de la Función No Estacionaria
4D. KRIGING VERSUS OTROS MÉTODOS DE INTERPOLACIÓN
4E. ELABORACIÓN DE UN PLAN PARA APLICAR KRIGING
5. LA ESTIMACIÓN MULTIVARIADA – COKRIGING
5A. INTRODUCCIÓN
5B. EL SISTEMA DE COKRIGING
5C. UN EJEMPLO NUMÉRICO
5D. OBSERVACIONES IMPORTANTES
6. LA SIMULACIÓN CONDICIONAL
6A. INTRODUCCIÓN
6B. CONDICIONAMIENTO
6C. LA TEORÍA DE LA SIMULACIÓN CONDICIONAL - EL PRINCIPIO DEL
CONDICIONAMIENTO
Observaciones Importantes
6D. APROXIMACIÓN MEDIANTE LA SIMULACIÓN SECUENCIAL
Cuestiones de Implementación
6E. ALGORITMOS APLICADOS
Algoritmos Gaussianos
Transformada Normal
Verificación de la Distribución Bivariada Normal
6F. SIMULACIÓN SECUENCIAL GAUSSIANA
6G. SIMULATED ANNEALING (SA)
lunes, 9 de marzo de 2009
David Curia: Presentation
Twenty five years strong computerized petroleum exploration experience mostly on GEOQUEST, LANDMARK workstations. This includes prospect generation-review, 2D/3D seismic interpretation, carbonate / clastic stratigraphy, rock physics–AVO, petrophysical analysis, acustic and elastic inversion, velocity imaging, seismic modeling, synthetic seismogram production, and geostatistics. Varied geoscience software support (H&R, Petrel, Kingdon, Geographycs, etc). Prospect evaluation and display experiences. Worked projects world wide with a primary and recent focus on the Latin America Basins.
martes, 21 de octubre de 2008
jueves, 16 de octubre de 2008
Suscribirse a:
Entradas (Atom)