Resumo A classificação litológica baseada em dados de perfilagem de poço atraiu a atenção de geólogos, uma vez que a extração de amostras de rocha do furo é um processo custoso. Embora algumas técnicas de aprendizado de máquina tenham sido recentemente aplicadas ao problema, os estudos existentes não são padronizados em termos de processamento de dados e protocolos de avaliação. Este artigo visa preencher essa lacuna fornecendo uma base comum para a comparação de trabalhos prospectivos sobre classificação litológica a partir de perfis de poço. A referência proposta é inspirada em uma revisão minuciosa da literatura, a partir da qual os principais aspectos de um protocolo experimental são capturados sob os princípios de simplicidade, variedade, imparcialidade e significado. Os conjuntos de dados públicos utilizados nos experimentos são os repositórios FORCE e Geolink. Dez métodos são testados, incluindo seis modelos de aprendizado profundo e quatro algoritmos de aprendizado de máquina superficial, e comparados por nove métricas de desempenho distintas sob validação cruzada. Diferentes comprimentos de sequência são testados como entrada para modelos de aprendizado profundo para avaliar suas capacidades de compreensão contextual. Os resultados experimentais utilizando a configuração proposta mostram que modelos insensíveis ao contexto superam a maioria dos modelos sensíveis ao contexto, mas com alta correlação. O estudo também revela que o problema da classificação litológica ainda não está resolvido. Portanto, a referência apresentada aqui serve como um protocolo justo para avaliar diferentes métodos e pode ser utilizada por trabalhos futuros como uma forma simples e imparcial de comparar novas abordagens na classificação litológica.
Carvalho et al. (Mon,) estudaram esta questão.