Mendeley TY _ JOUR ID - 1396110912135850530 TI - بهبود شناسایی کانال‌ مدفون، با استفاده از شبکه‌های عصبی مصنوعی و نشانگرهای لرزه‌ای JO - مجله زمین شناسی نفت ایران JA - ES LA - fa SN - 2251-8738 AU - غضنفری علیرضا AU - جواهریان عبدالرحیم AU - صدیق عربانی مجتبی AD - دانشگاه صنعتی امیرکبیر AD - دانشگاه صنعتی امیرکبیر AD - مدیریت اکتشاف شرکت ملی نفت ایران Y1 - 1397 PY - 1397 VL - 14 IS - 7 SP - 74 EP - 92 KW - شناسایی کانال ها نشانگرهای لرزه‌ای شبکه‌های عصبی مصنوعی نشانگرهای چندگانه DO - N2 - 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. UR - rimag.ir/fa/Article/33848 L1 - rimag.ir/fa/Article/Download/33848 ER -