بررسی تغییر رخساره لرزه ای براساس خوشه بندی سلسله مراتبی نشانگرهای لرزه ای: بررسی موردی در یکی از میدان های نفتی ایران

تحلیل رخساره لرزه ای درحکم ابزاری در شناسایی تغییرات جانبی رخساره ها می تواند مورد استفاده مفسران قرار گیرد. در تحلیل رخساره لرزه ای، با استفاده از یک یا چند نشانگر لرزه ای می توان نمونه های زمانی مربوط به بازتاب های لرزه ای را در گروه های مشابه طبقه بندی کرد. در نتیجه این طبقه بندی رخساره های لرزه ای و تغییرات جانبی رخساره ها در بازتاب ها آشکار می شوند.
در این مقاله، با استفاده از روش خوشه بندی سلسله مراتبی تغییرات جانبی رخساره لرزه ای در سه مدل مصنوعی و همچنین داده واقعی مورد ارزیابی قرار گرفته است. ورودی الگوریتم خوشه بندی سلسله مراتبی یک یا چند نشانگر لرزه ای است. اما قبل از ورود داده به الگوریتم، ممکن است لازم باشد داده های اضافی که به هم وابسته هستند و تغییرات آنها شبیه یکدیگر است، کاهش یابند. این عمل با تحلیل مولفه اصلی قابل اجرا است. دراین صورت ابتدا کل داده ورودی نرمال و سپس وارد الگوریتم تحلیل مولفه اصلی می شود. در تحلیل مولفه اصلی براساس مقادیر ویژه ماتریس کوواریانس داده ورودی عمل کاهش داده های اضافی صورت می گیرد. داده به دست آمده از تحلیل مولفه اصلی براساس فاصله تعریف شده بین نمونه های زمانی گوناگون در مراحل متفاوت خوشه بندی می شود و هر نمونه زمانی در خوشه مربوط به خود قرار می گیرد. نتیجه این عمل تبدیل مقطع لرزه ای مهاجرت داده شده به یک مقطع خوشه بندی شده است که در آن رخساره های لرزه ای آشکار شده اند. نتایج حاصل از خوشه بندی در مدل های مصنوعی تا نسبت سیگنال به نوفه 4 دسی بل به خوبی تغییر رخساره لرزه ای را نشان می دهد. نتایج حاصل از به کارگیری روش روی داده واقعی که به دو صورت داده سه بعدی و خط (مقطع) استخراج شده از داده سه بعدی صورت گرفته است، نشان می دهد که در حالتی که کل داده سه بعدی خوشه بندی شده است، به علت ورود اطلاعات بیشتر به الگوریتم خوشه بندی، توان تفکیک قائم و افقی رخساره های لرزه ای بهبود می یابد.