Utilização do algoritmo Random Forest para geração de perfis sônicos sintéticos por meio de registros convencionais.

Abstract

Este estudo explora o uso de aprendizado de máquina, focando no modelo Random Forest, para inferir o perfil sônico a partir de registros geofísicos convencionais, como ILD, RHOB, GR e NPHI, escolhidos por sua relevância na caracterização geológica e forte correlação com as velocidades sônicas. Os resultados mostram que o Random Forest supera a Equação de Faust, referência empírica tradicional, com maior precisão e coeficiente de determinação (R²), capturando melhor as complexidades geológicas do campo Lagoa Parda Sul. O estudo sugere melhorias, como otimização de hiperparâmetros, segmentação geológica e testes com outros algoritmos, como redes neurais e gradiente boosting.