بهبود تحلیل رخساره‌های لرزه‌ای با استفاده از نشانگر WTMMLA و خوشه‌بندی‌های SOM و K-mean

Abstract

تحلیل رخساره های لرزه‌ای بدون نظارت به‌منظور برآورد کردن خصوصیات مخزن با استفاده از ترکیب نشانگرهای لرزه‌ای در الگوریتم‌های شناسایی الگو، یکی از روش‌های بسیار مهم تفسیری است. بدون توجه به توانمندی روش به‌کاررفته در تحلیل رخساره‌های لرزه‌ای، دسته‌بندی داده‌ها در درون مخزن باید با دقت کامل صورت گیرد. با توجه به پیچیدگی‌های موجود در سامانة مخزن، سطح اطمینان از یک تفسیر، با توجه به دقت داده‌های لرزه‌ای و تجربه مفسر، می‌تواند متغییر باشد و هر خطایی در تفسیر، بدون شک منجر به اشتباه یا نتایج غلط در تفسیر لرزه‌ای شود. به‌خصوص وقتی از شکل ردلرزه، برای الگوریتم تحلیل رخساره‌ی لرزه‌ای استفاده کنیم. کم بودن دقت نشانگرهای قدیمی باعث می‌شد که رخساره‌های لرزه‌ای تولید شده به دلیل تغییرات سریع شکل موج لرزه‌ای در محدوده مخزن، نادرست و یا با دقت کم دسته‌بندی شوند. با توجه به متغییر بودن محتوای بسامدی با زمان در ردلرزه‌ها، تحلیل زمان- بسامد ردلرزه می‌تواند یک روش جدید و موثر برای تعیین ویژگی‌های مخزن باشد. در این تحقیق پیشنهاد می‌شود که از خصوصیات زمان- بسامد و به‌خصوص نشانگر خط بیشینه دامنه ضرایب تبدیل موجک (WTMMLA) برای شناسایی تکینگی ردلرزه در محدوده مخزن استفاده شود. در این تحقیق از ابزار ریاضی نقشه‌های خودسازمان‌ده درحکم تحلیل‌گر رخساره لرزه‌ای بدون سرپرست برای خوشه‌بندی داده‌های مخزن استفاده شده است. نشانگر استفاده شده در این تحقیق به تعیین دقیق زمان رخداد لرزه‌ای حساس نیست در نتیجه می‌تواند دقت تحلیل رخساره لرزه‌ای را افزایش دهد. در این تحقیق روش پیشنهادی، روی داده‌های لرزه‌ای واقعی اِعمال شده است.