مهدی ایلیات - دانشجوی کارشناسی ارشد مهندسی اکتشاف نفت، دانشگاه سمنان
علی چهرازی - دکترای زمین شناسی، پژوهشگاه صنعت نفت

نقش داده هاى صوتى در فرآیند سرشت نمایى مخازن نقشى غیرقابل انکار است. از این رو استفاده از نگارهای سرعت موج طولی و برشی بیش از گذشته رواج یافته است. در این شرایط مشکل اصلی گران بودن هزینه اندازه گیری سرعت موج برشی در تمام چاه های میدان است. بنابراین سرعت موج برشی در برخی چاه های میدان اندازه گیری می شود و با استفاده از روش های مختلف برای چاه های دیگر میدان و سپس به کل میدان تعمیم داده می شود. در این مقاله سه روش تخمین موج برشی توسط شبکه عصبی مصنوعی، رابطه تجربی گرینبرگ-کاستاگنا و تعمیم سرعت موج برشی در طول یک میدان با استفاده از ترکیب نشانگرهای لرزه ای، الگوریتم های شبکه عصبی و مقطع لرزه ای در سه چاه یک میدان بررسی شده است. براساس نتایج حاصل روش ترکیب نشانگرهای لرزه ای و الگوریتم های شبکه عصبی بهترین نتیجه را در طول کل مقطع لرزه ای ارائه داده است. هم-چنین استفاده از شبکه عصبی مصنوعی به تنهایی نتایج مناسب تری را نسبت به رابطه تجربی گرینبرگ-کاستاگنا ارائه داده است اما این روش تنها در محل چاه ها قابل استفاده است و اطلاعاتی از سرعت موج برشی در فاصله بین چاه ها در اختیار قرار نمی دهد. به همین علت و با توجه به اعتبارسنجی مناسب روش ترکیب نشانگرهای لرزه ای و الگوریتم های شبکه عصبی، از این روش به عنوان بهترین نتیجه حاصل برای اهداف مختلفی مانند مدل سازی شکستگی ها می توان استفاده کرد.

سرعت امواج برشی، شبکه عصبی مصنوعی، رابطه گرینبرگ-کاستاگنا، ترکیب نشانگرهای لرزه ای