تخمین شاخص شکنندگی با استفاده از وارون سازی پس از برانبارش داده های لرزه ای با مثالی از حوضه پرت واقع در استرالیای غربی
عنوان مقاله: تخمین شاخص شکنندگی با استفاده از وارون سازی پس از برانبارش داده های لرزه ای با مثالی از حوضه پرت واقع در استرالیای غربی
شناسه ملی مقاله: JR_JESPHYS-46-3_004
منتشر شده در در سال 1399
شناسه ملی مقاله: JR_JESPHYS-46-3_004
منتشر شده در در سال 1399
مشخصات نویسندگان مقاله:
Masoud Serajamani - M.Sc. Student, Department of Geology, Faculty of Science, Urmia University, Urmia, Iran
Ramin Nikrouz - Associate Professor, Department of Geology, Faculty of Science, Urmia University, Urmia, Iran
Ali Kadkhodaie - Associate Professor, Department of Geology, Faculty of Natural Science, Tabriz University, Tabriz, Iran
خلاصه مقاله:
Masoud Serajamani - M.Sc. Student, Department of Geology, Faculty of Science, Urmia University, Urmia, Iran
Ramin Nikrouz - Associate Professor, Department of Geology, Faculty of Science, Urmia University, Urmia, Iran
Ali Kadkhodaie - Associate Professor, Department of Geology, Faculty of Natural Science, Tabriz University, Tabriz, Iran
شکنندگی یکی از مهم ترین خصوصیات سنگ میباشد. تاکنون روشی مستقیم و استاندارد برای به دست آوردن شاخص شکنندگی ارائه نشده است. از شاخص شکنندگی بر اساس پارامترهای مقاومت فشارشی تک محوره و مقاومت کششی جهت ارزیابی شکنندگی استفاده میشود. هدف از این مطالعه بررسی مفاهیم شکنندگی ارائه شده توسط محققین و استفاده از روش وارون سازی لرزهای، آنالیز چندنشانگری و شبکه عصبی در میدان ویچررنج (Whicher-Range) واقع در حوضه پرت (Perth Basin) استرالیای غربی می باشد. به این منظور دو چاه و یک مقطع لرزهای از میدان ویچررنج مورداستفاده قرار گرفت. کمترین شاخص شکنندگی در چاه اول و دوم که با فاصله ۱ کیلومتری از هم حفاری شدند، به ترتیب با استفاده از مفهوم برابر ۶۹/۱ و ۶۷/۱ مگاپاسکال که بیانگر شکنندگی کم و بیشترین مقدار آن برابر ۷۸/۳۹ و ۱۵/۴۸ مگاپاسکال که بیانگر شکنندگی زیاد و از نظر حفاری در رتبه حفاری بسیار سخت میباشد. در مرحله بعد با استفاده از استخراج موجک و رسم مدل زمین شناسی، مدل سازی اولیه انجام و سپس امپدانس صوتی حاصل از فرایند وارون سازی در کنار دیگر نشانگرها در راستای ساخت ترکیب بهینه از نشانگرها جهت تخمین شاخص شکنندگی استفاده شد. از سه نوع الگوریتم شبکه عصبی جهت تخمین پارامتر هدف از ترکیب بهینه نشانگرهای موجود استفاده میشود که به کمک نرم افزار همپسون–راسل و نشانگرهای بهینهای، الگوریتم شبکه عصبی تهیه و در نهایت آنالیز چند نشانگری با سه الگوریتم شبکه عصبی مقایسه می شود و نتایج بیانگر ضریب همبستگی بیشتر شبکه عصبی احتمالی نسبت به آنالیز چند نشانگری جهت تعیین شاخص شکنندگی است.
کلمات کلیدی: Brittleness Index, compressive strength, inversion, seismic attributes, neural network, Perth Australia
صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/1781670/