Automação Baseada em Redes Neurais para Detecção do tempo de Chegada de ondas Sísmicas no Imageamento de subsuperfície

• Processo: 25/12920-4
• Modalidade de apoio: Bolsas no Exterior - Estágio de Pesquisa - Iniciação Científica
• Data de Início da vigência: 01 de novembro de 2025
• Data de Término da vigência: 28 de fevereiro de 2026
• Área de conhecimento: Ciências Exatas e da Terra - Geociências - Geofísica
• Pesquisador responsável: Luigi Jovane
• Beneficiário: Otavio Tamio Fukushima Neto
• Supervisor: Cedric John
• Instituição Sede: Instituto Oceanográfico (IO). Universidade de São Paulo (USP). São Paulo , SP, Brasil
• Instituição Anfitriã: Queen Mary University of London, Inglaterra
• Vinculado à bolsa: 25/03205-0 - Integração de Métodos de Processamento e Inversão de Dados Sísmicos Multicanal de Alta Resolução com Fonte Sparker, BP.IC
• Assunto(s): Aprendizado computacional Redes neurais Sísmica de reflexão
• Palavra(s)-Chave do Pesquisador: Aprendizado de Máquina | Correção Estática | ondas mecânicas | Primeiras chegadas | Redes neurais | sísmica de reflexão | Sísmica de Reflexão

Resumo

Os dados sísmicos são essenciais para a caracterização de estruturas do subsolo e possuem aplicações significativas na exploração de petróleo e gás, e, mais recentemente, em projetos de parques eólicos offshore. Esses dados podem produzir imagens de alta resolução do subsolo em até três dimensões, fornecendo informações importantes para geocientistas e engenheiros. Esse imageamento é obtido por meio do processamento dos dados, uma tarefa complexa e demorada. O processamento consiste em uma sequência fundamental de etapas, incluindo a demultiplexação, ordenamento e aplicação de correções no domínio do tempo.Uma dessas correções, conhecida como correção estática, é particularmente exigente, pois deve ser aplicada a cada traço sísmico para ajustar os tempos de chegada das ondas. A determinação dessas chegadas, que serão utilizadas para a correção estática, é uma operação que apresenta um grande potencial de automação por meio da inteligência artificial.Para explorar esse potencial, será estudada uma rede neural treinada com dados sísmicos processados provenientes do banco de dados do CORE (Centro Oceanográfico de Registros Estratigráficos do IO - USP). Os principais dados considerados são três perfis sísmicos anotados com suas respectivas marcações de tempo de chegada das ondas. Cada traço sísmico serve como entrada, enquanto as marcações (picks) atuam como valores-alvo.Para avaliar o desempenho do modelo, serão analisadas métricas como o Erro Absoluto Médio (MAE), Erro Quadrático Médio (MSE), Raiz do Erro Quadrático Médio (RMSE) e o coeficiente de determinação R².Com o objetivo de treinar e otimizar o modelo, este projeto de Bolsa de Estágio de Pesquisa no Exterior (BEPE) propõe uma colaboração com a Queen Mary University of London para o desenvolvimento de uma rede neural funcional para a marcação sísmica automatizada. O professor Cèdric John é o coordenador do grupo Data Science for Environment and Sustainability e possui ampla experiência em aprendizado de máquina aplicado às Ciências da Terra. (AU)