طبقه بندی و شناسایی رخساره‌های زمین‌شناسی با استفاده از داده‌های لرزه نگاری و شبکه‌های عصبی رقابتی

بررسی تغییر رخساره‎های زمین‌شناسی در مطالعه مخازن هیدروکربوری اهمیت به سزایی دارد. بررسی و طبقه بندی بازتاب‌های لرزه‌ای، روشی توانمند در شناخت و طبقه بندی رخساره های زمین شناسی و پیش بینی توزیع رخساره‌های مخزن است. در این مقاله، روشی مبتنی بر شبکه های عصبی مصنوعی رقابتی برای شناسایی و طبقه بندی رخساره های مخزن از روی داده های لرزه نگاری معرفی شده است. اساس این روش، خصوصیات بازتاب لرزه‌ای بدون کاربرد نشانگرهای لرزه‌ای است. شبکه عصبی رقابتی، بازتاب لرزه‌ای را در پنجره مشخصی، به عنوان ورودی می گیرد و بر اساس میزان انطباق آن با سایر بازتاب‌ها، آن را در یک گروه قرار می دهد. این گروه‌بندی به دو روش بدون ناظر و با ناظر انجام می‌شود. در روش بدون ناظر که از شبکه عصبی رقابتی خود سازمانده کوهنن استفاده شده است، طبقه‌بندی بازتاب‌های لرزه‌ای بر اساس ویژگی ذاتی آنها انجام می شود و بی نیاز از اطلاعات چاه ها است. این روش برای اکتشاف های نواحی جدید به کار می رود، جایی که چاه‌های حفاری شده کم است یا وجود ندارد. در روش با ناظر که از شبکه عصبی رقابتی LVQ استفاده شده است، برای شناسایی از اطلاعات کمکی چاه‌ها نیز استفاده می کند. این روش بیشتر برای توسعه میادین تولیدی مفید است؛ جایی که تعداد چاه‌های حفاری شده زیاد است. اجرای هر دو شبکه روی داده‌های مصنوعی و نیز روی داده های واقعی زون ششم آسماری در میدان نفتی شادگان، نشان داد که آنها می توانند به خوبی توزیع رخساره‌های جانبی مخزن را پیش بینی و نقشه ناهمگنی آن را تهیه کنند.