Classificação de Sedimentos da Margem Equatorial Brasileira Utilizando Algoritmos de Aprendizado de Máquina

Recentemente, importantes discussões a respeito da ocorrência de extensos recifes carbonáticos e do potencial de descobertas de hidrocarbonetos nas bacias do Pará-Maranhão e Foz do Amazonas, elevaram a importância do estudo da composição faciológica da plataforma continental. No entanto, amostrar sedimentos marinhos é uma operação de alto custo e muitas vezes demorada a depender da distância da costa e da profundidade da amostragem, sendo necessário o deslocamento da equipe e dos equipamentos através de embarcações de pesquisa especializadas. Tendo isto em vista, o objetivo principal deste trabalho foi integrando informações sedimentológicas de amostras de fundo e atributos sísmicos a partir de algoritmos de aprendizado de máquina para assim otimizar o mapeamento das fácies na plataforma continental da Margem Equatorial Brasileira. Os dados de sedimentos foram adquiridos do Banco Nacional de Dados Oceanográficos (BNDO), sendo classificados em Lama, Areia e Cascalho para o tamanho do grão e em Litoclástico (70%) para o teor de carbonato de cálcio. Os atributos sísmicos utilizados foram Coerência, Amplitude, Intensidade, Fase Instantânea e Frequência Instantânea. Foram desenvolvidos cinco algoritmos de aprendizado de máquina com a finalidade de relacionar os tipos de sedimento e teor de carbonatos aos atributos sísmicos. Os resultados de cada algoritmo são: Support Vector Machine: Accuracy 80,31%, Precision 81,21%, Recall 80,31% e F1_Score 80,01%. K-Nearest Neighbors: Accuracy 77,07%, Precision 80,55%, Recall 77,07% e F1_Score 75,94%. Decision Trees: Accuracy 85%, Precision 85,78%, Recall 85% e F1_Score 84,85%. Multilayer Perceptron: Accuracy 82,74%, Precision 82,74%, Recall 82,74% e F1_Score 82,49%. Adaptive Boosting: Accuracy 70,47%, Precision 72,25%, Recall 70,47% e F1_Score 69,75%. o melhor resultado obtido foi do algoritmo Decision Trees com 85% de acurácia. Com esses resultados preliminares, observa-se que é possível criar um modelo de aprendizado de máquina para classificar automaticamente os sedimentos marinhos, viabilizando e otimizando pesquisas futuras sobre as fácies carbonáticas e recifes mesofóticos na Margem Equatorial Brasileira.