Nesta tese realiza-se uma análise hidrológica quantitativa do sistema aquífero Recôncavo, na porção norte da bacia do Recôncavo, utilizando conceitos de aprendizado de máquina para a interpretação de agrupamentos faciológicos e salinidade das águas subterrâneas. São analisados 101 perfis geofísicos contendo, principalmente, medidas de potencial elétrico espontâneo, resistividades elétricas rasa e profunda e contagem de radiação gama. Em poucos perfis desse conjunto usou-se medidas de densidade eletrônica e vagarosidade sônica para avaliações petrofísicas de porosidade. É realizada a distinção entre camadas permeáveis e não-permeáveis saturadas com águas de formações doces ou salgadas a partir da análise de agrupamento dos registros de potencial espontâneo, resistividade e profundidade, utilizando um algoritmo de análise de agrupamento de Modelos de Misturas Gaussianas inicializado a partir dos centroides obtidos com o método K-médias. Isto permite gerar um modelo hidro-litológico de poço interpretado usando um sistema de recomendação, de maneira rápida e eficiente, na maioria dos casos. Uma segunda análise de agrupamento é feita através do atributo da radiação gama, onde sucessivos testes estatísticos apontam uma forte hipótese bimodal das distribuições areno-argilosas, propiciando a automatização da estimativa do conteúdo de argilas. Uma versão alternativa utilizando medidas de resistividade elétrica também é apresentada. Após distinguir camadas permeáveis com água doce (arenitos aquíferos) e definir a profundidade máxima em que ocorrem nos poços, foram gerados mapas estruturais da base da água doce e de espessura acumulada de arenitos nas áreas selecionadas de Pojuca e Araçás. Estimativas de porosidade são feitas utilizando os perfis de densidade e vagarosidade. Adicionando-se, a essas análises, informações de profundidade da zona de água doce de outros 74 poços, foram construídos mapas similares para toda porção norte da bacia do Recôncavo, e estimada uma reserva hídrica potável de 2, 6 × 10 11 m 3 , numa extensão superficial de aproximadamente 2900 km 2 .
In this thesis it is performed a quantitative hidrological analysis of the Recôncavo aquifer system, in the northern portion of the Recôncavo basin, using machining learning concepts to interpret lithological facies clusters and groundwater salinity. One hundred one well logs containing mainly electric spontaneous potential, resistivity, and gamma-ray measurements are analyzed and, for a small portion of the dataset, there are electronic density and sonic
vagarosity measurements. The distinction between permeable and non-permeable layers containing fresh or saltwater is accomplished via clustering analysis of the spontaneous potential, resistivity, and depth the Gaussian mixture models algorithm initialized with the centroids
obtained using the K-means method. This allows the generation of an interpreted model utilizing a recommendation system quickly and efficiently for most cases. A second clustering analysis is accomplished through the gamma-ray attribute, where successive statistical tests point out a strong bimodal hypothesis for the shaly sand distributions, propitiating an automatization of the clay content estimatives. An alternative version using resistivity measurements is also presented. After distinguishing the freshwater permeable layers and
defining the maximum depth of its occurrence, structural maps of the fresh-water base and accumulated sandstone thickness are generated for Pojuca and Araçás areas. Porosity estimations
are also made using the density and vagarosity logs. Summing up, to this analysis, the information of the depth of the freshwater zone from other 74 wells, similar maps are constructed for the northern portion of the Recôncavo basin and estimated a stored fresh-water
volume of 2:6 x 10¹¹ m³ in a surface extent of 2900 km².
