توصیف مخزن هیدروکربن دار ماسه سنگی F3 (دریای شمال) با استفاده از نشانگرهای لرزه ای و شبکه ی عصبی احتمالاتی

اکتشاف ذخایر هیدروکربنی معمولا بر اساس وارون سازی داده های لرزه ای صورت می گیرد که دارای پیچیدگی های محاسباتی می باشد. لذا ارایه روش های ساده تر بر مبنای شبکه های عصبی احتمالاتی می تواند از این پیچیدگی ها بکاهد و نیز با توجه به عدم قطعیت کمتر، می تواند ابزار قدرتمندی برای کارهای اکتشافی باشد. در این مقاله از شبکه ی عصبی احتمالاتی شعاع مبنا بر اساس قاعده بیز برای تخمین تخلخل مخزن هیدروکربن دار F3 در دریای شمال استفاده شده است. با توجه به این که محاسبه ی احتمال درست نمایی بیز وابسته به پارامتری به نام شاخص نرمی است، در این مقاله با استفاده از روش اعتبارسنجی مقایسه ای مقدار 21/0 به عنوان شاخص نرمی بهینه انتخاب گردید. بر این اساس به منظور بالا بردن قدرت تفکیک خروجی شبکه عصبی احتمالاتی،  16 بازه ی تخلخل از 22/0 تا 3/0 انتخاب شد و سه نشانگر لرزه ای انرژی، شباهت و دامنه لحظه ای به عنوان ورودی به الگوریتم شبکه عصبی احتمالاتی برگزیده شدند. همچنین روش برازش خطی به منظور تخمین تخلخل میان نشانگرهای ورودی و پارامتر تخلخل به کار گرفته شد. نتایج الگوریتم شبکه عصبی احتمالاتی با نتایج روش برازش خطی در ماتریس هم آمیختگی مورد مقایسه قرار گرفت که نتایج ماتریس مذکور نشان می دهد که پارامتر صحت کل برای الگوریتم شبکه عصبی احتمالاتی برابر با 7587/0 و برای معادله ی برازش خطی مقاومت صوتی برابر با 4623/0 است. علاوه بر این، مقایسه ی عملکرد دو روش بر روی مقاطع تخمین زده شده نشان می دهد که شبکه ی عصبی احتمالاتی می تواند سازند با تخلخل بیش تر را که حاوی گاز است، آشکار سازی نماید. بنابراین با توجه به نتایج به دست آمده، می توان شبکه ی عصبی احتمالاتی را به عنوان ابزاری مناسب تر به منظور تخمین تخلخل سازندها و اکتشاف ذخایر هیدروکربنی نسبت به برازش خطی معرفی نمود.