شبکه های عصبی مورد استفاده در تخمین کل کربن آلی با استفاده از آنالیز چندنشانگری

تخمین ویژگی های مخزن با استفاده از داده های لرزه ای اهمیت بسیار زیادی در فعالیت های مربوط به مخازن نفتی دارد. نشانگر ها و بررسی آن ها در مطالعه و ارزیابی میدان ها نقش مهمی را در تخمین ویژگی های مخزنی ایفا می کنند و از آن ها برای دستیابی به هدف های متفاوت در بررسی مخزن استفاده می گردد. با توجه به این که داده های دو بعدی لرزه نگاری به تنهایی توانایی تخمین ذخیره مخزن نفتی را ندارند، نیازمند استفاده از نشانگر های لرزه ای برای تخمین ویژگی های مخزن می باشیم. مقدار (TOC) کل کربن آلی Total Organic Carbon یکی از پارامترهای مهم در سنگ منشأ است که می تواند برای ارزیابی پتانسیل تولید و توصیف خصوصیات ژئوشیمی سنگ های مولد هیدروکربن استفاده شود. هدف اصلی این مطالعه تعیین زون های غنی از ماده آلی در میدان مورد مطالعه است که با ایجاد ارتباطی بین نگار محتوای کربن آلی در محل چاه ها و مقطع لرزه ای حاصل از آنالیز چندنشانگری انجام می گیرد. برای رسیدن به اهداف مورد نظر در وهله اول به منظور ساخت لرز ه نگاشت مصنوعی از داد ه های لرز ه ای دو بعدی و انواع نگار های مرسوم مانند چگالی، سرعت، تخلخل و ... متعلق به یکی از میادین خلیج فارس بهره گرفته شده است. با بکار بستن وارون سازی لرز ه ای به کمک نرم افزار همپسون-راسل 9، امپدانس صوتی پهن باند از داد ه های لرز ه ای استخراج شد. سپس با استفاده از رگرسیون مرحله ای، نشانگرهای لرز ه ای انتگرال قدرمطلق دامنه ، فرکانس غالب ، فیلتر فرکانسی میا ن گذر با حد کم 10-5 هرتز و حد زیاد 20- 15 ، پوش دامنه و در نهایت فرکانس لحظه ای به عنوان نشانگرهای بهینه مرتبط با کل کربن آلی انتخاب شدند. نهایتاً، سه نوع مختلف از شبکه عصبی جهت تخمین TOC از روی نشانگرهای لرز ه ای استفاده شد. نتایج حاصل نشان داد که شبکه عصبی پیش خور چندلایه (MLFN) منجر به تخمین بهتری گردیده است

Keywords:

نشانگرهای لرزه ای , کل کربن آلی , آنالیز چند نشانگری , شبکه عصبی پیش خور چند لایه