بهبود شناسایی گسلها با تلفیق شبکه عصبی پرسپترون چندلایه و نشانگرهای لرزهای غیرمتعارف
نویسندگان
1 دانشجوی دکتری، دانشکده مهندسی نفت، دانشگاه صنعتی امیرکبیر، تهران
2 استاد، دانشکده مهندسی نفت، دانشگاه صنعتی امیرکبیر، تهران
doi
10.30479/jmre.2021.12023.1334چکیده
تفسیر گسلها و شکستگیها به عنوان یکی از مراحل کلیدی در تفسیر لرزهای درک مناسبی از خواص ایستا و پویای مخزن ارایه میدهد. مطالعه نشانگرهای لرزهای هندسی و ترکیب آنها بر اساس شبکه عصبی مصنوعی، سیستمهای فازی و توسعه روشهای شناسایی خودکار لبه مبتنی بر روشهای هوش مصنوعی از جمله مطالعات انجام گرفته در خصوص شناسایی خودکار گسلها و شکستگیها است. در این مطالعه از تلفیق نتایج حاصل از شبکه عصبی مصنوعی پرسپترون چندلایه با الگوریتم پسانتشار و نشانگرهای لرزهای غیرمتعارف (مانند نشانگرهای درستنمایی گسل، چگالی، قرابت و شیب شکستگی) جهت بهبود نتایج تفسیر ساختمانی استفاده شده است. طرحواره پیشنهادی بر روی یک داده مصنوعی دو بعدی با نسبت نشانک به نوفه ۲ و یک داده لرزهنگاری سه بعدی در بردارنده رویداد گسلش اجرا شد. نتایج نشان داد که طرحواره پیشنهادی نسبت به نتایج حاصل از شبکه عصبی مصنوعی پرسپترون چندلایه، ضمن تاثیرپذیری کمتر نسبت به نوفه پسزمینه لبههای موجود در دادههای مورد مطالعه را با تفکیکپذیری نسبتا بالایی شناسایی کرده است. انطباق نتایج حاصل از تلفیق شبکه عصبی مصنوعی پرسپترون چندلایه و نشانگر درستنمایی گسل با نتایج حاصل از وارونسازی رنگی داده لرزهای، به عنوان یک روش وارونسازی کارآمد، حاکی از اعتبار بالای طرحواره پیشنهادی است. استخراج خودکار موقعیت فضایی صفحه گسلش در مقایسه با نتایج حاصل از تفسیر دستی، ضمن کاهش ۷۰ درصد زمان تفسیر، تصویر دقیقتری از محدوده گسل مورد مطالعه ارایه داده است.
