تلفیق شبکه های عصبی مصنوعی و الگوریتم ردیابی خودکار احتمال گسل نازک شده، جهت شناسایی، تفسیر و استخراج گسل ها

شناخت گسل ها و بررسی سیر تکاملی آنها از اهمیت ویژه ای در اکتشاف و توسعه منابع هیدروکربوری برخوردار است. موفقیت در اکتشاف و توسعه میادین هیدروکربوری، مستلزم شناسایی دقیق سیستم های نفتی منطقه بوده و در این راستا یکی از مهمترین مسائل شناسایی گسل ها و نحوه گسترش آن ها، به عنوان مجرای اصلی مهاجرت سیال، مخصوصا در نواحی عمیق تر می باشد. گسل ها و شکستگی ها نقش مهمی را در ایجاد بخش هایی با تخلخل و تراوایی زیاد و قطع سنگ مخزنی و پوشش در مسیرهای مهاجرت سیال ایفا می کنند. علاوه بر اینها برای بیشینه کردن برداشت هیدروکربور از مخزن و نیز کاهش خطر پذیری حفاری، ضروری است تا اطلاعات مناسبی از هندسه و طبیعت گسل های مخزن به دست آورده شود.
در این مقاله هدف بررسی کارایی ترکیب شبکه عصبی و الگوریتم ردیابی خودکار احتمال گسل در شناسایی و تفسیر گسل ها در داده لرزه ای می باشد. ابتدا با استفاده از قابلیت هدایت شیب نرم افزار، فیلتر مورد نظر اولیه که برای شناسایی دقیق شیب ساختارها و پدیده های موجود در داده می باشد، طراحی و اعمال گردیده است. سپس با طراحی و اعمال فیلترهای مناسب، داده لرزه ای بهبود یافته است. پس از آن نشانگرهای لرزه ای مناسب برای شناسایی گسل ها از داده لرزه ای سه بعدی، شناسایی و محاسبه شده اند. با انتخاب نقاط نمونه برای دو کلاس گسل و غیر گسل از داده، شبکه عصبی نظارت شده با استفاده از نشانگرهای منتخب تشکیل شده و پس از آموزش بهینه شبکه، خروجی مناسب از شبکه ایجاد گردیده است. سپس خروجی شبکه عصبی به عنوان ورودی برای الگوریتم ردیابی خودکار احتمال گسل نازک شده، استفاده شده است. خروجی این قسمت شامل حجم احتمال گسل های ردیابی شده، ارائه و نمایش داده شده است. در نهایت با استفاده از ابزارهای زیرمجموعه قسمت احتمال گسل، و تنظیمات پارامترهای آن به صورت بهینه، صفحات گسل سه بعدی به صورت خودکار استخراج و تفسیر گردیده اند.