=Paper=
{{Paper
|id=None
|storemode=property
|title=Ontologias Aplicadas ao Problema de Correlação Litológica no Domínio da Geologia do Petróleo
|pdfUrl=https://ceur-ws.org/Vol-1041/ontobras-2013_paper37.pdf
|volume=Vol-1041
|dblpUrl=https://dblp.org/rec/conf/ontobras/GarciaCA13
}}
==Ontologias Aplicadas ao Problema de Correlação Litológica no Domínio da Geologia do Petróleo==
<pdf width="1500px">https://ceur-ws.org/Vol-1041/ontobras-2013_paper37.pdf</pdf>
<pre>
  Ontologias Aplicadas ao Problema de Correlação Litológica
             no Domı́nio da Geologia do Petróleo∗
                 Luan Fonseca Garcia, Joel Luis Carbonera, Mara Abel
   1
       Instituto de Informática – Universidade Federal do Rio Grande do Sul (UFRGS)
                                   Porto Alegre – RS – Brasil
                    {lfgarcia,jlcarbonera,marabel}@inf.ufrgs.br

       Abstract. In this work we apply a domain ontology for developing a compu-
       tational approach for the task of lithologic correlation, within the Petroleum
       Geology domain. In this context, a domain ontology is applied for imposing a
       rich and homogeneous structure to the visual descriptions of the domain objects
       that are the targets of this task. In our approach, we combine the use of ontolo-
       gies with clustering techniques and sequence alignment algorithms, which are
       typically applied in DNA sequencing. A domain ontology with a vocabulary suf-
       ficiently expressive for allowing rich visual descriptions of the domain objects
       is a key aspect of our proposal.
       Resumo. Neste trabalho, exploramos o uso de uma ontologia de domı́nio para o
       desenvolvimento de uma abordagem computacional para a tarefa de correlação
       litológica, no domı́nio da Geologia do Petróleo. Neste contexto, uma onto-
       logia de domı́nio é utilizada para impor uma estrutura rica e homogênea às
       descrições visuais dos objetos de domı́nio que são o foco desta tarefa. Além da
       ontologia de domı́nio, a abordagem também combina técnicas de clusterização
       e algoritmos de alinhamento de sequências, tipicamente utilizados para realizar
       o sequenciamento de DNA. A disponibilidade de uma ontologia, com um voca-
       bulário expressivo o suficiente para proporcionar uma descrição visual rica dos
       objetos do domı́nio é um aspecto chave desta proposta.

1. Introdução
Domı́nios visuais são aqueles em que a resolução de problemas é fortemente baseada
na aplicação de conhecimento visual dos especialistas. Consideramos conhecimento vi-
sual como sendo o conjunto de modelos mentais que suportam o processo de raciocı́nio
sobre informação relacionada ao arranjo espacial e outros aspectos visuais das entida-
des de domı́nio [Lorenzatti et al. 2009, Carbonera et al. 2011]. Este trabalho insere-se no
contexto do projeto Obaitá, desenvolvido pelo grupo BDI (grupo de bancos de dados in-
teligentes da UFRGS). Neste projeto, investigamos abordagens integradas para aquisição,
modelagem, representação e raciocı́nio sobre conhecimento visual. Um dos resultados
esperados é uma ontologia para o domı́nio (visual) da Estratigrafia Sedimentar, que viabi-
lize o desenvolvimento de diversos sistemas baseados em conhecimento, que operem so-
bre uma mesma conceitualização deste domı́nio. Em [Lorenzatti et al. 2009] são apresen-
tados os passos iniciais em direção a este resultado, enquanto em [Carbonera 2012] esta
ontologia é expandida, utilizando-se a abordagem descrita em [Carbonera et al. 2012].
   ∗
    Este trabalho foi desenvolvido com recursos do CNPq e do programa PRH PB-217, mantido pela
Petrobras e Agência Nacional do Petróleo (ANP). Também gostarı́amos de agradecer à Endeeper pela
disponibilização dos dados utilizados para a realização do trabalho.


                                               203
        Atualmente, investigamos abordagens para a tarefa de correlação litológica, no
domı́nio da Estratigrafia Sedimentar, que se beneficiem da ontologia desenvolvida. A Es-
tratigrafia Sedimentar é uma sub-área da Geologia que estuda as camadas que compõem
a Terra e busca determinar como ocorreu a formação dessas camadas. Neste domı́nio,
na tarefa de correlacão litológica o geólogo busca reconhecer a mesma fácies sedimentar
(Figura 1) em duas ou mais seções estratigráficas diferentes, mesmo que espacialmente
distantes entre si. Ou seja, nesta tarefa o geólogo investiga a continuidade lateral de fácies
sedimentares em subsuperfı́cie, onde não é possı́vel realizar observação direta destas uni-
dades. A correlação permite determinar a distribuição espacial e o volume das rochas que
subsidiam a avaliação de economicidade dos reservatórios de petróleo.
         Para alcançar este objetivo, o geólogo inicia descrevendo visualmente corpos de
rocha, tal como o testemunho de sondagem apresentado na Figura 1. A descrição destes
corpos envolve discretizá-los em fácies sedimentares e descrever todos os atributos vi-
suais que caracterizam cada uma delas. Neste contexto, a fácies sedimentar é uma dada
porção de um corpo de rocha, visualmente distinguı́vel das porções adjacentes. Além dos
atributos que as caracterizam, as fácies sedimentares possuem uma ou mais estruturas se-
dimentares, que correspondem a padrões geométricos externamente visı́veis, que indicam
padrões de arranjos espaciais internos dos grãos que constituem uma fácies.


     Figura 1. Trecho de testemunho de sondagem, com duas fácies distintas. Adap-
     tado de [Lorenzatti 2009].


        A continuidade das unidades de rochas é julgada pela similaridade entre fácies,
visto que elas são as porções discretizadas de rocha passı́veis de observação direta e vi-
sualmente distinguı́veis das demais. A correspondência entre corpos de rocha pode ser
parcial, assim como a similaridade entre as unidades relacionadas; como exemplificado na
Figura 2, onde a fácies 4 está presente nas seções A e B, mas não está presente na seção C.
É importante notar que, a correlação é estabelecida não apenas com base na identificação
do mesmo tipo de rocha nos diferentes poços, mas principalmente pelo sequenciamento
semelhante de diferentes tipos de rochas em cada um dos poços.
         Atualmente, a correlação é realizada a partir de múltiplos registros textuais dis-
tintos, sem uma estrutura padrão, capturados por geólogos diferentes, sem apoio de um
vocabulário padrão. Essas condições fazem com que, no atual estado da arte, a tarefa de
correlação litológica careça de métodos automáticos para processamento em larga escala.
Neste trabalho, nós propomos que a correlação pode ser realizada com métodos compu-
tacionais de correlação automáticos, desde que as descrições de rochas sejam orientadas

                                               204
       Figura 2. Representação de uma correlação litológica entre três seções
       estratigráficas distintas (A, B e C), envolvendo seis fácies. Adaptada de
       [Parsons 2013].


por uma ontologia de domı́nio bem fundamentada, tal como a incorporada no software
Strataledge R 1 e que é apresentada em detalhes em [Carbonera 2012]. A utilização de
uma ontologia de domı́nio expressiva, permite impor uma estrutura formal homogênea
às descrições dos objetos de domı́nio, viabilizando a descrição de um conjunto rico de
informações, através de um vocabulário formal bem definido. Essas informações, captu-
radas de forma uniforme e não ambı́gua, permitem a comparação entre porções descritas
das unidades de rocha espacialmente distintas, que não são influenciadas pelo uso de dife-
rentes vocabulários e estilos descritivos, suportando a correlação entre elas. Além disso,
considerando que a ontologia especifica a conceitualização compartilhada no domı́nio,
o seu uso para descrição dos objetos do domı́nio permite que os sistemas processem
as informações acerca desses objetos de um modo que se aproxime da forma como os
geólogos os concebem. Assim, partimos da hipótese de que abordagens automáticas para
correlação podem se beneficiar do uso de ontologias, oferecendo resultados geologica-
mente mais significativos.

2. Abordagem proposta
Diversas abordagens têm sido propostas para lidar computacionalmente com o problema
da correlação litológica. Uma abordagem que tem se revelado promissora neste sentido,
tal como a adotada em [Waterman and Raymond Jr 1987], envolve a aplicação de algorit-
mos de alinhamento de sequências. Estes algoritmos vêm sendo utilizados com sucesso
na tarefa de alinhamento de sequências de DNA no domı́nio da bioinformática. Entre
estes algoritmos, destaca-se o algoritmo de programação dinâmica Smith-Waterman, que
possui resultado ótimo para o alinhamento de seqüências locais.
        Segundo [Chao and Zhang 2009], o algoritmo de Smith-Waterman parte de uma
sequência A = a1 a2 ...am e uma sequência B = b1 b2 ...bn , que podem ter tamanhos di-
ferentes. De modo geral, o alinhamento entre estas sequências é obtido pela inserção de
lacunas (representadas pelo caractere “-”) em ambas, representando deslocamentos entre
os segmentos similares, de tal modo que o tamanho final de ambas seja idêntico, sendo
   1
       http://www.endeeper.com/products/software/strataledge


                                            205
que não pode haver alinhamentos entre lacunas. A Figura 3 apresenta dois exemplos de
alinhamentos de sequências de DNA resultantes da aplicação deste algoritmo. O funcio-
namento detalhado deste algoritmo foge ao escopo deste artigo, mas pode ser encontrado
em [Chao and Zhang 2009].

                       -ATACATGTC--T                 -----AATGCCATTGAC----GG
                       G-TAC--GTCGG-                 CAGCC--T--C---G-CTTAG--
                              (a)                                 (b)

       Figura 3. Dois exemplos (a e b) de alinhamentos de pares de sequências de DNA
       realizados pelo algoritmo de Smith-Waterman.

         Para aplicar o algoritmo de Smith-Waterman sobre duas sequências, deve haver
uma maneira de comparar elementos de ambas, determinando quando eles são equivalen-
tes. Quando aplicado no alinhamento de sequências de DNA, este algoritmo opera sobre
strings construı́das a partir de um alfabeto finito – as quatro letras que representam as
bases nitrogenadas básicas do DNA. Neste caso a comparação entre elementos de duas
sequências é trivial, bastando verificar se os dois elementos são a mesma letra (represen-
tando o mesmo tipo de base nitrogenada). Por outro lado, quando aplicado ao problema
de correlação litológica, o algoritmo deve ser capaz de operar sobre sequências de fácies
sedimentares. Em relação a este ponto, [Griffiths and Bakke 1990] afirma que aplicações
convencionais deste algoritmo para o problema em foco devem determinar uma forma
de codificar a informação das fácies sedimentares de um modo análogo ao que ocorre
no caso do sequenciamento de DNA, utilizando um conjunto finito de sı́mbolos bem de-
finidos, que podem ser comparados pelo algoritmo. Em nossa abordagem, adaptamos o
algoritmo para que sejam comparados os clusters aos quais as duas fácies comparadas per-
tencem. Para isso, antes de aplicar o algoritmo de alinhamento, utilizamos um algoritmo
de clusterização2 sobre um dataset formado pelo conjunto de descrições das fácies que
se pretende correlacionar. Lembrando que estas descrições são realizadas com suporte
da ontologia de domı́nio. A partir desde passo, é obtido um modelo clusterizador que é
capaz de classificar instâncias de fácies (incluindo instâncias não consideradas durante o
treinamento do clusterizador). Este clusterizador, por sua vez, é utilizado pelo algoritmo
de alinhamento para comparar se duas fácies pertencem à um mesmo cluster. Se as duas
fácies, em corpos de rocha distintos, estão no mesmo cluster, consideramos que elas são
equivalentes e que podem ser alinhadas. Atualmente, o treinamento do clusterizador é
realizado através da API Weka3 , aplicando o algoritmo EM (expectation–maximization)
[Witten et al. 2011]. A Figura 4 representa esquematicamente a abordagem proposta.
         A ontologia de domı́nio utilizada [Carbonera 2012] descreve o conceito de fácies
através de 23 atributos. Na fase de conversão das descrições de corpos de rocha para o
dataset de treinamento do clusterizador (Figura 5), cada instância f do conceito fácies na
ontologia é convertida em um vetor de caracterı́sticas v. Cada posição p neste vetor repre-
senta um atributo descritivo a que caracteriza o conceito de fácies na ontologia, de modo
que cada valor vp do vetor v representa o valor especı́fico que f possui para o respectivo
   2
      De acordo com [Witten et al. 2011], clusterização é uma técnica de mineração de dados utilizada para
determinar um conjunto de categorias ou agrupamentos (clusters) a partir de um conjunto de dados sem
classificação prévia.
    3
      http://www.cs.waikato.ac.nz/ml/weka/


                                                     206
    Figura 4. Representação dos procedimentos realizados na abordagem proposta.
    Cada Fij representa uma fácies j no corpo de rocha i.


atributo. Além disso, em nosso caso, o vetor v também possui uma posição especial que
representa a relação temEstrutura entre a instância de fácies e uma instância de estru-
tura sedimentar. Esta posição especial recebe como valor o tipo especı́fico da instância
e de estrutura sedimentar relacionada à fácies f . Assim, o dataset de treinamento é um
conjunto V de vetores de caracterı́sticas v, cada qual representando uma instância f do
conceito de fácies, descrita pela ontologia.


    Figura 5. Representação do processo de conversão de instâncias de fácies sedi-
    mentares em vetores de caracterı́sticas, considerando um conjunto reduzido de
    atributos.


3. Considerações finais
Neste trabalho, apresentamos uma abordagem computacional para correlação litológica
automática no domı́nio da Estratigrafia Sedimentar. Esta abordagem está alinhada às
abordagens mais promissoras oferecidas pela literatura. A nossa principal contribuição
reside no uso de uma ontologia de domı́nio para conferir uma estrutura formal homogênea
às descrições dos objetos do domı́nio. Assim, considerando que a ontologia captura de

                                           207
modo formal e explı́cito a conceitualização compartilhada pela comunidade, ela permite
que os usuários descrevam os objetos do domı́nio de um modo padrão, formal e com uma
estrutura rica de informações. Isto viabiliza o tratamento computacional destas descrições
e permite que nossa abordagem processe informações sobre os objetos do domı́nio de um
modo que se aproxime da forma como os geólogos os conceitualizam.
         Na fase atual deste trabalho, com o auxı́lio de especialistas do domı́nio, estamos
coletando um conjunto de descrições de corpos de rocha reais. Nos próximos passos
deste projeto será investigado como considerar a importância relativa dos atributos da
fácies durante a clusterização, de um modo que seja possı́vel determinar similaridades
geologicamente mais significativas entre fácies sedimentares.

Referências
Carbonera, J., Abel, M., dos Santos Scherer, C. M., and Bernardes, A. (2012). Aborda-
  gem para aquisição de conhecimento visual e refinamento de ontologias para domı́nios
  visuais. In Vieira, R., Guizzardi, G., and Fiorini, S. R., editors, Proceedings of Joint V
  Seminar on Ontology Research in Brazil and VII International Workshop on Metamo-
  dels, Ontologies and Semantic Technologies, volume 776.
Carbonera, J. L. (2012). Raciocı́nio sobre conhecimento visual: Um estudo em estratigra-
  fia sedimentar. Master’s thesis, Universidade Federal do Rio Grande do Sul (UFRGS).
Carbonera, J. L., Abel, M., Scherer, C. M. S., and Bernardes, A. K. (2011). Reasoning
  over visual knowledge. In Vieira, R., Guizzardi, G., and Fiorini, S. R., editors, Pro-
  ceedings of Joint IV Seminar on Ontology Research in Brazil and VI International
  Workshop on Metamodels, Ontologies and Semantic Technologies, volume 776.
Chao, K.-M. and Zhang, L. (2009). Sequence comparison: theory and methods, volume 7.
  Springer.
Griffiths, C. and Bakke, S. (1990). Interwell matching using a combination of petrophy-
  sically derived numerical lithologies and gene-typing techniques. Geological Society,
  London, Special Publications, 48(1):133–151.
Lorenzatti, A. (2009). Ontologia para domı́nios imagı́sticos: Combinando primitivas tex-
  tuais e pictóricas. Master’s thesis, UNIVERSIDADE FEDERAL DO RIO GRANDE
  DO SUL.
Lorenzatti, A., Abel, M., Nunes, B. R., and Scherer, C. M. S. (2009). Ontology for
  imagistic domains: Combining textual and pictorial primitives. In Heuser, C. A. and
  Pernul, G., editors, ER Workshops, volume 5833 of Lecture Notes in Computer Science,
  pages 169–178. Springer.
Parsons, S. B. (2013). Historical geology.   Disponı́vel em: <http:
   //www.ocean.odu.edu/˜spars001/geology_112/laboratory/
   session_04/handout.html>. Acesso em: 14 de Julho de 2013.
Waterman, M. S. and Raymond Jr, R. (1987). The match game: new stratigraphic corre-
  lation algorithms. Mathematical geology, 19(2):109–127.
Witten, I. H., Frank, E., and Hall, M. A. (2011). Data Mining: Practical Machine Lear-
  ning Tools and Techniques. Elsevier.


                                            208

</pre>