بهبود تحلیل رخساره های لرزه ای با استفاده از نشانگر WTMMLA و خوشه بندی های SOM و K-mean

تحلیل رخساره های لرزه ای بدون نظارت به منظور برآورد کردن خصوصیات مخزن با استفاده از ترکیب نشانگرهای لرزه ای در الگوریتم های شناسایی الگو، یکی از روش های بسیار مهم تفسیری است. بدون توجه به توانمندی روش به کاررفته در تحلیل رخساره های لرزه ای، دسته بندی داده ها در درون مخزن باید با دقت کامل صورت گیرد. با توجه به پیچیدگی های موجود در سامانه مخزن، سطح اطمینان از یک تفسیر، با توجه به دقت داده های لرزه ای و تجربه مفسر، می تواند متغییر باشد و هر خطایی در تفسیر، بدون شک منجر به اشتباه یا نتایج غلط در تفسیر لرزه ای شود. به خصوص وقتی از شکل ردلرزه، برای الگوریتم تحلیل رخساره ی لرزه ای استفاده کنیم. کم بودن دقت نشانگرهای قدیمی باعث می شد که رخساره های لرزه ای تولید شده به دلیل تغییرات سریع شکل موج لرزه ای در محدوده مخزن، نادرست و یا با دقت کم دسته بندی شوند. با توجه به متغییر بودن محتوای بسامدی با زمان در ردلرزه ها، تحلیل زمان- بسامد ردلرزه می تواند یک روش جدید و موثر برای تعیین ویژگی های مخزن باشد. در این تحقیق پیشنهاد می شود که از خصوصیات زمان- بسامد و به خصوص نشانگر خط بیشینه دامنه ضرایب تبدیل موجک (WTMMLA) برای شناسایی تکینگی ردلرزه در محدوده مخزن استفاده شود. در این تحقیق از ابزار ریاضی نقشه های خودسازمان ده درحکم تحلیل گر رخساره لرزه ای بدون سرپرست برای خوشه بندی داده های مخزن استفاده شده است. نشانگر استفاده شده در این تحقیق به تعیین دقیق زمان رخداد لرزه ای حساس نیست در نتیجه می تواند دقت تحلیل رخساره لرزه ای را افزایش دهد. در این تحقیق روش پیشنهادی، روی داده های لرزه ای واقعی اعمال شده است.

کلیدواژه ها:

بازشناسایی الگوهای لرزه ای ، تحلیل رخساره لرزه ای ، تحلیل زمان- بسامد ، تفسیر مقاطع لرزه ای ، نقشه های خودسازمان ده