دسته بندی و تفکیک رخساره های لرزه ای به روش غیرنظارتی براساس آنالیز چند نشان گری در مخزن آسماری میدان رامشیر

استفاده از روش های خودکار دسته بندی رخساره های لرزه ای، در مطالعات توصیف مخزن در دو دهه اخیر رو به افزایش بوده و محبوبیت و کاربرد آن ها در فرآیند تفسیر ژیوفیزیکی به عنوان وسیله ای برای تخمین منابع هیدروکربنی همچنان حایز اهمیت است. در این مطالعه با هدف شناسایی رخساره های لرزه ای براساس مشخصه های لرزه ای آنها سعی شد با استفاده هم زمان از داده های لرزه نگاری سه بعدی (نشان گرهای لرزهای) و رخساره های الکتریکی (گونه های سنگی پتروفیزیکی) تعیین شده در محل چاه ها، تغییرات جانبی گونه های سنگی در مخزن آسماری میدان رامشیر تعیین شود. در این بررسی از شبکه عصبی و خوشه بندی به روش k-mean جهت طبقه بندی غیرنظارتی رخساره های لرزه ای براساس نشان گرهای لرزه ای استفاده شده است. از آنالیز مولفه های اصلی به عنوان یک روش جهت کاهش تعداد نشان گر در این مطالعه استفاده گردید. این روش به جهت تعداد کم ورودی و در نتیجه کاهش پیچیدگی مدل می تواند راهکار مناسبی باشد. درنهایت نشان گرهایی که به بهترین شکل، توزیع رخساره های لرزه ای را نشان می دهند تعیین شده است. نشان گرهای مورد استفاده شامل فرکانس غالب، مشتق پوش دامنه، مقاومت صوتی، نشان گر ریز لایه و تجزیه طیفی با فرکانس50 هرتز است. با به کارگیری این روش در مخزن آسماری میدان نفتی رامشیر، رخساره های لرزه ای مرتبط با انواع سنگ شناسی ماسه سنگ، آهک و دولومیت از یکدیگر تفکیک شدند. همچنین بر این اساس نقشه توزیع رخساره های مخزن در میدان استخراج و تفسیر گردید.