معرفی کاربرد نرم افزار SeisART برای تحلیل رخساره های لرزه ای با استفاده از ترکیب روش های هوشمند و دانش مفسر

تحلیل رخساره های لرزه ای، فنی است برای به نقشه درآوردن خصوصیات و ویژگی های زمین شناسی با استفاده از اطلاعات لرزه ای. برای تحلیل رخساره های لرزه ای با استفاده از الگوریتم های یادگیری ماشین، نشانگرهای لرزه ای دسته بندی می شوند. این دسته بندی به شناسایی رخساره های مختلف درون مقاطع یا افق های لرزه ای می انجامد. . به دلیل ماهیت داده های لرزه ای، که همواره درجه ای از عدم قطعیت دارند، تنوع نشانگر های لرزه ای و الگوریتم های یادگیری ماشین می تواند در تحلیل رخساره های لرزه ای نتایج مختلفی ایجاد کند؛ به همین دلیل نیاز است مراحل مختلف تحلیل مانند انتخاب پارامترهای ورودی و الگوریتم های یادگیری ماشین، با دقت زیاد و با توجه به هدف تحلیل رخساره انتخاب شوند تا درنهایت، بتوان نقشه رخساره لرزه ای مناسبی تولید کرد. در این مطالعه، برای پیدا کردن مسیر بهینه تولید نقشه رخساره لرزه ای، روشی تعاملی با نظارت مفسر و با استفاده از نرم افزار بومی SeisART پیشنهاد می شود. در این روش،در روند اجرای تحلیل رخساره، پارامتر هایی مانند نوع نشانگرهای ورودی، تعداد خوشه، الگوریتم خوشه بندی و دسته بندی به صورت بهینه برای هدف موردنظر انتخاب می شوند و مفسر در یک روند بازگشتی و چرخشی می تواند نتایج تحلیل را با توجه به تغییر پارامترهای ورودی مقایسه کند، با در نظر گرفتن نتایج دانش بیشتری از رخساره های موجود به دست آورد و درنهایت، تحلیل رخساره مناسبی ارائه دهد. . ازآنجاکه در این روش، الگوریتم های مختلف با پارامترهای ورودی مختلف بر اطلاعات لرزه ای موجود اعمال می شوند و مفسر می تواند با توجه به کارایی هرکدام از پارامترها و روش ها، برای اعمال کردن یا نکردن آن تصمیم گیری کند، استفاده کردن از این الگوریتم پیشنهادی، این امکان را ایجاد می کند که رخساره های مختلف موجود در اطلاعات شناسایی شوند و ارتباط آنها با یکدیگر معین شود. روش پیشنهادی برای شناسایی رخساره های موجود در افق MSF4 از داده های لرزه ای سه بعدی F3 دریای شمال، آزموده شده است.