رحمت صادقی - گروه زمین شناسی، دانشکده علوم، دانشگاه فردوسی مشهد، ایران
سید رضا موسوی حرمی - گروه زمین شناسی، دانشکده علوم، دانشگاه فردوسی مشهد، ایران
علی کدخدایی - دانشکده علوم طبیعی، گروه زمین شناسی، دانشگاه تبریز، ایران
اسداله محبوبی - گروه زمین شناسی، دانشکده علوم، دانشگاه فردوسی مشهد، ایران
احمد اشتری - شرکت ملی نفت مناطق نفت خیز جنوب، اهواز، ایران

استفاده از روش های خودکار دسته بندی رخساره های لرزه ای، در مطالعات توصیف مخزن در دو دهه اخیر رو به افزایش بوده و محبوبیت و کاربرد آن ها در فرآیند تفسیر ژئوفیزیکی به عنوان وسیله ای برای تخمین منابع هیدروکربنی همچنان حائز اهمیت است. در این مطالعه با هدف شناسایی رخساره های لرزه ای براساس مشخصه های لرزه ای آنها سعی شد با استفاده هم زمان از داده های لرزه نگاری سه بعدی (نشان گرهای لرزهای) و رخساره های الکتریکی (گونه های سنگی پتروفیزیکی) تعیین شده در محل چاه ها، تغییرات جانبی گونه های سنگی در مخزن آسماری میدان رامشیر تعیین شود. در این بررسی از شبکه عصبی و خوشه بندی به روش k-mean جهت طبقه بندی غیرنظارتی رخساره های لرزه ای براساس نشان گرهای لرزه ای استفاده شده است. از آنالیز مولفه های اصلی به عنوان یک روش جهت کاهش تعداد نشان گر در این مطالعه استفاده گردید. این روش به جهت تعداد کم ورودی و در نتیجه کاهش پیچیدگی مدل می تواند راهکار مناسبی باشد. درنهایت نشان گرهایی که به بهترین شکل، توزیع رخساره های لرزه ای را نشان می دهند تعیین شده است. نشان گرهای مورد استفاده شامل فرکانس غالب، مشتق پوش دامنه، مقاومت صوتی، نشان گر ریز لایه و تجزیه طیفی با فرکانس۵۰ هرتز است. با به کارگیری این روش در مخزن آسماری میدان نفتی رامشیر، رخساره های لرزه ای مرتبط با انواع سنگ شناسی ماسه سنگ، آهک و دولومیت از یکدیگر تفکیک شدند. همچنین بر این اساس نقشه توزیع رخساره های مخزن در میدان استخراج و تفسیر گردید.

نشان گر لرزه ای, رخساره الکتریکی, دسته بندی غیرنظارتی, آنالیز چند نشان گری, میدان رامشیر