A caracterização petrofísica de carbonatos heterogêneos, com foco nas análises de permeabilidade e porosidade, é de grande importância para a produção de óleo e gás, principalmente para se definir a capacidade de armazenamento e a caracterização das condições de fluxo da rocha reservatório. Neste trabalho se propõe um método para predizer a distribuição da permo-porosidade em duas e três dimensões de amostras de coquina, por meio da aplicação da técnica computacional rede neural de múltiplas camadas, MPL (multilayer perceptron). A rede neural foi utilizada para a correlação entre dados obtidos por meio de ensaios de permeabilidade, utilizando um permeâmetro portátil, e atributos de imagens geradas a partir de diferentes fontes (escaneamento convencional e tomografia computadorizada). O método foi testado em uma amostra de coquina da Formação Morro do Chaves, com diferenças texturais visíveis, condicionadas a cinco camadas paralelas e de pequena escala que foram reproduzidas pelas imagens resultantes.
