Avaliando uma Oportunidade Exploratória de Petróleo através de Mineração de Dados
Resumo
Uma Oportunidade Exploratória de Petróleo (OE) é definida como uma região com potencial de acumulação de petróleo em valor suficiente, que justifique um projeto exploratório. Este artigo propõe a construção de um modelo preditivo capaz de avaliar economicamente esta Oportunidade utilizando técnicas de mineração de dados.
Palavras-chave:
Exploratória, Petróleo, Mineração de Dados
Referências
Andrea, B. e Franco, T. (2011). “Mining Bayesian networks out of ontologies”. Journal of Intelligent Information Systems.
Chawla, N; Bowyer, K; Hall, Kegelmeyer, W (2002) “SMOTE: Synthetic Minority Over-sampling Technique”, paper, Journal of Artificial Intelligence Research, Morgan Kaufmann Publishers.
Han, J; Kamber, M (2006) “Data Mining: Concepts and Techniques”, 2nd ed. Morgan Kaufmann. Pag 5-7.Ben-Gal, I. e Ruggeri, F. e Faltin F. e Kenett R., (2007) “Bayesian Networks” , Encyclopedia of Statistics in Quality & Reliability, Wiley & Sons – Paper
Junior, A. (2010) “Predição não-linear de Curvas de Produção de Petróleo Via Redes Neurais Recursivas”, Dissertação de Mestrado – Universidade Federal do Rio Grande do Norte – UFRN – Engenharia de Petróleo
Junior, Repsol (2003) “A Competição e a Cooperação na Exploração e Produção de Petróleo” – COPPE/UFRJ - Dissertação Mestrado. Pag 62-63; 171. Planejamento Energético
Martinelli,G; Eidsvik, J; Hauge, R; Forland, M (2011) “Bayesian Networks for Prospect Analysis in the North Sea”, AAPG Bulletin 2011, PP. 1423-1442.
Schoeninger, C. 2003 “Tratamento de Informações Imperfeitas na Análise de Risco de Prospectos em Exploração Petrolífera” - Universidade Federal de Santa Catarina (UFSC) - Dissertação Mestrado em Ciências da Computação/Inteligência Artificial.
Witten, I; Frank, E. (2011) “Data Mining: Practical Machine Learning Tools and Techniques”, 3rd ed. Elsevier. Pag 5; 9; 278-279.
Chawla, N; Bowyer, K; Hall, Kegelmeyer, W (2002) “SMOTE: Synthetic Minority Over-sampling Technique”, paper, Journal of Artificial Intelligence Research, Morgan Kaufmann Publishers.
Han, J; Kamber, M (2006) “Data Mining: Concepts and Techniques”, 2nd ed. Morgan Kaufmann. Pag 5-7.Ben-Gal, I. e Ruggeri, F. e Faltin F. e Kenett R., (2007) “Bayesian Networks” , Encyclopedia of Statistics in Quality & Reliability, Wiley & Sons – Paper
Junior, A. (2010) “Predição não-linear de Curvas de Produção de Petróleo Via Redes Neurais Recursivas”, Dissertação de Mestrado – Universidade Federal do Rio Grande do Norte – UFRN – Engenharia de Petróleo
Junior, Repsol (2003) “A Competição e a Cooperação na Exploração e Produção de Petróleo” – COPPE/UFRJ - Dissertação Mestrado. Pag 62-63; 171. Planejamento Energético
Martinelli,G; Eidsvik, J; Hauge, R; Forland, M (2011) “Bayesian Networks for Prospect Analysis in the North Sea”, AAPG Bulletin 2011, PP. 1423-1442.
Schoeninger, C. 2003 “Tratamento de Informações Imperfeitas na Análise de Risco de Prospectos em Exploração Petrolífera” - Universidade Federal de Santa Catarina (UFSC) - Dissertação Mestrado em Ciências da Computação/Inteligência Artificial.
Witten, I; Frank, E. (2011) “Data Mining: Practical Machine Learning Tools and Techniques”, 3rd ed. Elsevier. Pag 5; 9; 278-279.
Publicado
16/05/2012
Como Citar
AFFONSO, Marcos A.; REVOREDO, Kate; ANDRADE, Leila.
Avaliando uma Oportunidade Exploratória de Petróleo através de Mineração de Dados. In: SIMPÓSIO BRASILEIRO DE SISTEMAS DE INFORMAÇÃO (SBSI), 8. , 2012, São Paulo.
Anais [...].
Porto Alegre: Sociedade Brasileira de Computação,
2012
.
p. 779-784.
DOI: https://doi.org/10.5753/sbsi.2012.14464.
