کاربرد روشهای طبقه بندی بدون سرپرستی در تحلیل داده های لرزه ای بازتابی برای ردیابی مخازن هیدروکربوری

Publish Year: 1391
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 754

This Paper With 6 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

IPRIA01_124

تاریخ نمایه سازی: 11 مرداد 1393

Abstract:

داده های لرزه ای بازتابی یکی از مهمترین داده های اولیه مورد استفاده جهت شناسایی ساختارهای زمین شناسی مستعد برای یک مخزن نفت یا گاز است. لرزه شناسی اکتشافی به عنوان علم بررسی این داد هها دربرگیرنده روشهای مختلفیبرای کسب هرچه بیشتر اطلاعات از ناشناخت ههای زیرزمین است. کاربرد روشهای بازشناسی الگو در سالهای اخیر مورد توجه محققان قرار گرفته است. با استفاده ازاین روشها م یتوان ساختارهای لایه های اعماق زمین که به صورت الگوهای غیر قابل تشخیص در داده های لرزه ای (رخساره لرزه ای) نهفته است را بررسی نمود. در این مقاله، کاربرد دو روش طبقه بندی بدون سرپرستی به نامهای خوش هبندی سلسله مراتبی و خوشه بندیk-meansبرای تحلیل داده های لرزه ای یک مدل مصنوعی مورد مقایسه و بررسی قرار گرفته است. سپس الگوریتم خوشه بندیk-meansکه دارای حجم محاسباتی پایینتری است، برای داده واقعی استفاده شده است. نتایج حاصل از مدل مصنوعی نشان می دهد هر دو الگوریتم قابلیت شناسایی تغییرات رخساره لرز های را دارا هستند و با دقت بالایی تغییرات جانبی در لایه بندی مصنوعی را آشکار کردند. نتایج اجرای الگوریتمk-means بر روی مکعب داد ههای لرزه ای قسمتی از مناطق نفتی جنوب غربی ایران نشان می دهد این روش قادر است به خوبی رخساره های لرزه ای را آشکار کند و درک بهتری از ساختارهای لایه بندی زیر زمین بوجود آورد

Keywords:

تغییرات جانبی لای هها , خوشه بندی سلسله مراتبی , خوشه بندیk-means , داده های لرزای بازتابی , رخساره لرزه ای , طبقه بندی بدون سرپرستی , گسل

Authors

حمید ثابتی

دانشگاه صنعتی بیرجند، گروه معدن، بیرجند

مراجع و منابع این Paper:

لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :
  • سراران 16 تا 18 اسفند (1391 هه هه ...
  • Mathieu, P.G., and Rice, G.W., 1969, Multivariate analysis used in ...
  • Hagen, D.C., 1982, The application of principal component analysis to ...
  • Matlock, R.J., McGowen, R.S., and Asimakopoulos , G., 1985, Can ...
  • Dumay, J., and Fournier, F., 1988, Multivariate statistical analyses applied ...
  • Simaan, M.A., 1991, A kno wledge-based computer system for segmentation ...
  • _ _ 1, _ for the detection of seismic anomalies: ...
  • Saggaf, M.M., Toksoz, M.N., and Marhoon, M.I., 2003, Seismic facices ...
  • Linari, V., Santiago, M., Pastore, C., Azbel, K. and Poupon, ...
  • Farzadi, P., 2006, Seismic facies analysis based on 3D multi ...
  • Sabeti, H., Javaherian A and NadjarAraabi, B., 2011, Seismic facies ...
  • Marroquin, I.D., Brault, J. and Hart, B.S. 2009, A visual ...
  • Matos de, M.C., Osorio, P.L.M., and Schroeder, P.R., 2007, Un ...
  • Roy, A., M. C. Matos, and K. J. Marfurt, 2010, ...
  • Saraswat, P., and Sen, M.K., Artificial immune-based _ organizing maps ...
  • Duda, R.O., Hart, P.O., and Stork, D.G., 2001, Pattern classification, ...
  • Deza, E., , and Deza, M.M., 2006, Dictionary of distances, ...
  • Shen, J., Chang, S.I, Lee, E.S., Deng., Y., Brown., S.J. ...
  • نمایش کامل مراجع