بهبود شناسایی کانال مدفون، با استفاده از شبکه‌های عصبی مصنوعی و نشانگرهای لرزه‌ای
محورهای موضوعی : Geoscience Fields in relation with Petroleum Geologyعلیرضا غضنفری 1 , عبدالرحیم جواهریان 2 * , مجتبی صدیق عربانی 3
1 - دانشگاه صنعتی امیرکبیر
2 - دانشگاه صنعتی امیرکبیر
3 - مدیریت اکتشاف شرکت ملی نفت ایران
کلید واژه: شناسایی کانال ها نشانگرهای لرزه‌ای شبکه‌های عصبی مصنوعی نشانگرهای چندگانه,
چکیده مقاله :
کانال‌ها یکی از مهمترین پدیده‌های مورفولوژیک چینه ای به حساب می آیند. اگر کانال‌ها در موقعیت مناسبی مانند محصور شدن در یک فضای ناتراوا قرار گیرند، می‌توانند مکان مناسبی جهت تجمع هیدروکربن باشند؛ از این جهت شناسایی کانال‌ها دارای اهمیت می‌باشد. ابزارهای متفاوتی مانند فیلترها، نشانگرهای لرزه‌ای، شبکه‌های عصبی مصنوعی و نشانگرهای چندگانه، در این راستا نقش مهمی ایفا کرده‌اند. در این مقاله از مکعب هدایت شیب، فیلتر شیب میانه، فیلتر انتشار و فیلتر بهبود گسل یا لبه استفاده شده است. همچنین ابتدا به بررسی نشانگرهای لرزه‌ای متفاوتی مانند نشانگر تشابه، بافت، تجزیه طیفی، انرژی و شیب قطبی پرداخته شده است. سپس با شناسایی نشانگرهای مناسب، کار شناسایی کانال‌ها بر روی داده لرزه‌ای واقعی F3 از قسمت هلندی دریای شمال، صورت گرفته است. برای شناسایی و آشکارسازی کانال موجود در داده واقعی، از روش ترکیب نشانگرهای لرزه‌ای توسط شبکه‌های عصبی نظارت شده پرسپترون چندلایه و ایجاد نشانگرهای چندگانه، و مجددا ترکیب نشانگرهای چندگانه ایجاد شده در طول کانال و استفاده از نقاط تفسیر کانالی متفاوت، به جهت حذف تاثیر تغییرات رخساره در شناسایی کانال، استفاده شده است. از جمله مزایا و دلایل استفاده از این نوع شبکه عصبی (نظارت شده)، که باعث افزایش تاثیرگذاری شبکه عصبی و بهبود نتیجه شده است، توانایی آموزش شبکه با تعیین نقاط کانال و غیرکانال بوده است که در این مقاله از آن استفاده گردیده است. در نهایت، با بکارگیری روش‌های ذکر شده، شناسایی کانال مورد بررسی در داده لرزه‌ای فوق بهبود یافته است، و کانال با کیفیت مناسبی در تمام طول آن آشکارسازی و استخراج شده است.
Channels are one of the most important stratigraphic and morphological events. If channels place in a suitable position such as enclosed in impermeable place can make suitable oil and gas reservoir; So identifying channels are crucial. Different tools such as filters, seismic attributes, artificial neural networks, and meta-attributes have played an important role in this regard. In this paper dip-steering cube, dip-steer median filter, dip-steer diffusion filter, and fault enhancement filter, have been used. Then, various seismic attributes such as similarity, texture, spectral decomposition, energy and polar dip have been defined and studied. Therefore, work on F3 real seismic data of Dutch part of the North sea for detecting channels has been started by detecting suitable attributes. For identifying the channel in data, it has been used from compilation and combination of seismic attributes using supervised ANN (multi-layer perceptron), and development of mata-attributes, then recombine meta-attributes created along the channel, and using different interpretation point, for eliminating the impact of facies and lithology changes along the channel. Among the advantages and the reasons for using this kind of neural network (supervised), which increases the effect of the neural network and improves the result, is the ability to train the network by specifying the channel and non-channel points used in this paper. Finally, using the above methods, the identification of the channel examined in the above seismic data has been improved, and the channel has been properly detected and extracted throughout its entire length.