کاربرد خوشه بندی سلسله مراتبی در تشخیص کانال مدفون در داده های لرزه ای

خوشه بندی لرزه ای به عنوان یکی از رویکردهای پیشرفته یادگیری ماشین بدون نظارت، ابزاری موثر برای تفکیک رخساره ها، تعیین مرزهای زمین شناسی و آشکارسازی ساختارهای زیرسطحی پنهان است. این رویکرد به ویژه در شرایطی که داده های چاه محدود یا غیرقابل دسترس باشند، با کاهش عدم قطعیت، موجب ارتقای دقت و کیفیت تفسیر لرزه ای می شود. در میان الگوریتم های مختلف، خوشه بندی سلسله مراتبی به دلیل توانایی در بازنمایی روابط چندسطحی و نمایش ساختارهای چندمقیاسی، به طور گسترده در تحلیل داده های پیچیده و پرنویز به کار گرفته شده است. هدف این پژوهش، بهره گیری از این الگوریتم برای شناسایی و آشکارسازی کانال های رسوبی مدفون است؛ پدیده ای که به علت هندسه ی پیچیده و محوشدگی در داده های لرزه ای، همواره تشخیص آن با روش های سنتی تفسیری دشوار بوده است. در این راستا، مجموعه ای از نشانگرهای لرزه ای منتخب به عنوان ورودی الگوریتم استفاده شد و نتایج با شاخص سیلوئت برای تعیین تعداد بهینه خوشه ها اعتبارسنجی گردید. یافته ها نشان می دهد که تفکیک داده ها به چهار خوشه، بهترین توازن میان انسجام درون خوشه ای و جدایی بین خوشه ای را ایجاد کرده و هندسه کانال مدفون را با وضوح بالاتری نمایان می سازد.

کلیدواژه ها:

خوشه بندی سلسله مراتبی ، شاخص سیلوئت ، داده های لرزه ای ، کانال مدفون