استفاده از شبکه عصبی تحت نظارت در شناسایی گسل ها و شکستگی های موجود در داده ی لرزه ای سه بعدی متعلق به کیی از میادین نفتی جنوب غرب کشور

ارایه تعریف دقیقی از ساختمان مخزن نیازمند مطالعه جزییات و ناهمگنیهای مخزن به ویژه گسلها و شکستگیهاست. در واقع با مطالعه دقیق ناپیوستگیهای موجود در یک مخزن شامل گسلها و شکستگیهای بزرگ و کوچک مقیاس، میتوان مدل مناسبی از خواص ایستا و پویای مخزن ارایه نمود که امکان معرفی موقعیت بهینه حفر چاه های تولیدی و تزریقی در مراحل مختلف توسعه میدان نفتی و ازدیاد برداشت را فراهم میسازد. از این رو شناسایی گسلها و شکستگیهای موجود در یک مخزن گامی مهم و موثر در توسعه میادین نفتی و مدیریت تولید محسوب میشود. روش های مختلفی برای شناسایی گسلها و شکستگی های موجود در دادهی لرزهای وجود دارد که متداولترین آنها تفسیر گسلها و شکستگیها با استفاده از نشانگرهای لرزهای است. در این مطالعه از روشی نیمهخودکار مبنی بر تلفیق نشانگرهای لرزهای مناسب جهت شناسایی گسلها و شکستگیهای موجود در دادهی لرزهای میدان مورد مطالعه استفاده شده است. به این ترتیب که ابتدا یک مکعب بهبود گسل مبتنی بر مکعب هدایت شیب از دادهی لرزهای اولیه تهیه شده است. سپس مجموعه ای از نشانگرهای مختلف مانند شباهت، انحنا، انرژی، بسامد میانگین، شیب قطبی و تجزیه طیفی که قادر به نمایش گسلها و شکسگیهای موجود در داده های لرزهای میباشند، به عنوان ورودی شبکه عصبی مصنوعی در نظر گرفته شده است. پس از آن مجموعه ای از نقاط مشخصه نواحی گسلخورده و نقاط مشخصه نواحی غیرمحتمل به گسل بر اساس تفسیر مکعب بهبود گسل و مکعب نشانگرهای لرزهای تعیین شده است. در مرحله پایانی، مجموعه نقاط تفسیر شده و نیز مکعب نشانگرهای لرزهای محاسبه شده به عنوان ورودی به شبکه عصبی مصنوعی تحت نظارت معرفی گردید. نتایج نشان داد که گسلها و شکستگیها در مکعب احتمال گسل حاصله نسبت به مکعبهای تک ‌ نشانگری، ضمن تاثیرپذیری کمتر از نوفه، به صورت پیوسته تر نمایش داده شده است.