A utlização de dados sísmicos para a caracterização de reservatórios tem-se tornado frequente nos últimos anos; neste trabalho foi utilizado o conceito das redes neurais artificiais, com o emprego do algoritmo backpropagation, para este intuito.

Os atribultos do traço sísmico, como freqüência, amplitude e fase instantânea foram utilizados para o treinamento das redes neurais utilizadas neste trabalho. Normas diferentes de 2.0 foram implementadas, objetivando otimizar os algoritmos da rede neural, com resultados, em alguns casos, bastante razoáveis.

A metodologia foi testada em dados sintéticos gerados pelas técnicas de traçamento do raio e diferenças finitas. Estudou-se o comportamento da resolução do procedimento com o adelgaçamento do reservatório, com a redução da heterogeneidade do mesmo e com a inserção de ruído aleatório ao dado, com bons resultados. Em alguns casos, como em presença do ruído, pré-processamento dos dados deu robustez ao método. O procedimento foi aplicado em dados reais marítimos, com resultados satisfatórios.

The use of seismic data for reservoir characterization has become frequent in the latest years. In this study, the concept of artificial neural networks was applied, with employment of the backpropagation algorithm for that purpose.

The concept of seismic attributes was used as input to the neural network algorithm. Norms different from 2.0 were implemented in order to study the optimization of the algorithm, with satisfactory results in some cases.

The methodology was tested in synthetic data generated by ray tracing and finite difference techniques with good results. The resolution of the procedure was studied by varying the reservoir physical characteristics and insertion of random noise into the data. The procedure was applied for marine data, with satisfactory results.