طبقه بندی و شناسایی رخساره های زمین شناسی با استفاده از داده های لرزه نگاری و شبکه های عصبی رقابتی

بررسی تغییر رخساره های زمین شناسی در مطالعه مخازن هیدروکربوری اهمیت به سزایی دارد. بررسی و طبقه بندی بازتاب های لرزه ای، روشی توانمند در شناخت و طبقه بندی رخساره های زمین شناسی و پیش بینی توزیع رخساره های مخزن است. در این مقاله، روشی مبتنی بر شبکه های عصبی مصنوعی رقابتی برای شناسایی و طبقه بندی رخساره های مخزن از روی داده های لرزه نگاری معرفی شده است. اساس این روش، خصوصیات بازتاب لرزه ای بدون کاربرد نشانگرهای لرزه ای است. شبکه عصبی رقابتی، بازتاب لرزه ای را در پنجره مشخصی، به عنوان ورودی می گیرد و بر اساس میزان انطباق آن با سایر بازتاب ها، آن را در یک گروه قرار می دهد. این گروه بندی به دو روش بدون ناظر و با ناظر انجام می شود. در روش بدون ناظر که از شبکه عصبی رقابتی خود سازمانده کوهنن استفاده شده است، طبقه بندی بازتاب های لرزه ای بر اساس ویژگی ذاتی آنها انجام می شود و بی نیاز از اطلاعات چاه ها است. این روش برای اکتشاف های نواحی جدید به کار می رود، جایی که چاه های حفاری شده کم است یا وجود ندارد. در روش با ناظر که از شبکه عصبی رقابتی LVQ استفاده شده است، برای شناسایی از اطلاعات کمکی چاه ها نیز استفاده می کند. این روش بیشتر برای توسعه میادین تولیدی مفید است؛ جایی که تعداد چاه های حفاری شده زیاد است. اجرای هر دو شبکه روی داده های مصنوعی و نیز روی داده های واقعی زون ششم آسماری در میدان نفتی شادگان، نشان داد که آنها می توانند به خوبی توزیع رخساره های جانبی مخزن را پیش بینی و نقشه ناهمگنی آن را تهیه کنند.