%0 Journal Article %T برآوردکردن تخلخل مؤثر مخزن با استفاده از تحلیل چند‌نشانگری %J مجله ژئوفیزیک ایران %I انجمن ملی ژئوفیزیک ایران %Z 2008-0336 %A عدالت, علی %A سیاه کوهی, حمیدرضا %A توکلی مقدم, رضا %D 2008 %\ 03/14/2008 %V 3 %N 1 %P 1-18 %! برآوردکردن تخلخل مؤثر مخزن با استفاده از تحلیل چند‌نشانگری %K شبکه عصبی %K چند‌نشانگرهای لرزه‌ای %K توصیف مخزن %K تخلخل مؤثر %R %X در این تحقیق با طراحی کردن یک شبکه عصبی احتمالاتی و همچنین استفاده همزمان از نشانگرهای لرزه‌ای و نگاره‌های تخلخل مؤثر چاه‌ها در محدوده مخزن، سعی در برآورد کردن تخلخل مؤثر در یکی از میادین نفتی واقع در خلیج فارس نموده‌ایم. برای رسیدن به این هدف از تبدیل چند‌نشانگری بین زیر مجموعه‌ای بهینه از نشانگرهای لرزه‌ای و نگاره‌‌های تخلخل مؤثر استفاده شده است.داده‌های لرزه‌ای استفاده شده در این تحقیق شامل مکعب داده‌های لرزه‌ای سه‌بعدی مهاجرت‌ یافته قبل از برانبارش (PSTM) می‌باشد که دارای اندازه بلوک 5/12 x 5/12 متر می‌باشد که فاصله نمونه برداری زمانی این داده‌ها چهار میلی ثانیه و طول تریس‌های لرزه‌ای دو ثانیه است. همچنین از اطلاعات پنج چاه قائم که در منطقه مورد مطالعه حفر شده‌اند و دارای مجموعه کاملی از نگاره‌های صوتی (DT)، چگالی (RHOB)، تخلخل موثر (PHIE) و داده‌های سرعت چک شات (Check shots) هستند نیز استفاده شده است. لایه مخزنی مورد مطالعه، بخش میشریف از سازند سروک با سن کرتاسه میانی می‌باشد که یکی از مخازن نفتی مهم در خلیج فارس است. راس میشریف منطبق است با سطح ناپیوستگی ترونین میانی (Middle Turonian Unconformity) و توسط سازند شیلی لافان پوشیده شده است. بخش میشریف در منطقه مورد بررسی از دو زون مخزنی تشکیل شده است. زون پائینی با دارا بودن محتوای رسی بیشتر از زون بالایی متمایز می‌گردد. زون بالایی شامل سنگ آهک‌های تمیز با خصوصیات مخزنی مناسب‌تری است.برای تولید نشانگرهای لرزه‌ای مورد نیاز، ردلرزه‌ای موجود در محل چاه‌ها از مکعب داده‌های لرزه‌ای سه‌ بعدی استخراج شدند. در این تحقیق نگاره‌های تخلخل مؤثر در محدوده مخزن، حکم نگاره‌های هدف را داشتند.شبکه عصبی طراحی شده شامل یک لایه ورودی، یک لایه مخفی با چهار واحد پردازشی (نرون) و یک لایه خروجی می‌باشد. به‌منظور تهیه نمونه‌های آموزشی برای آموزش شبکه عصبی، ابتدا نگاره‌های PHIE با استفاده از رابطه زمان – عمق که با استفاده از منحنی‌های چک‌شات و نگاره‌های DT در محل هر کدام از چاه‌ها محاسبه شده بودند، به حوزه زمان برگردانده شدند. سپس این نگاره‌ها با استفاده از فیلتر هنینگ با طول 4 میلی ثانیه فیلتر شده و با نرخ نمونه‌برداری اطلاعات لرزه‌نگاری (4 میلی‌ثانیه) نمونه‌برداری مجدد شدند. در مرحله بعد یک مجموعه از نشانگرهای لرزه‌ای شامل شانزده نشانگر لرزه‌ای بر پایه نمونه تولید شد. نمونه‌های تهیه شده در این مطالعه (نشانگرهای لرزه‌ای انتخاب شده به همراه داده‌های تخلخل مؤثر متناظر در حوزه زمان) شامل 57 نمونه می‌باشد. برای آموزش شبکه، نمونه‌ها به سه بخش نمونه‌های آموزشی، اعتبار سنجی متقابل و آزمایشی تقسیم شدند. از نمونه‌های آموزشی برای تنظیم وزن‌ها، از نمونه‌های اعتبارسنجی برای پیشگیری از آموزش اضافی شبکه و از نمونه‌های آزمایشی، برای اطمینان از قابلیت تعمیم شبکه استفاده شد.به‌منظور انتخاب بهترین نشانگرها برای آموزش شبکه عصبی، از روش برازش گام به گام پیشرو استفاده شده است. چهار نشانگر فرکانس غالب، دامنه تجمعی مطلق، فرکانس وزن‌دار دامنه و فیلتر میان‌گذر 60-45 هرتز تریس لرزه‌ای به‌عنوان بهترین نشانگرها انتخاب شدند.پس از آموزش شبکه، از این شبکه برای تخمین داده‌های آزمایشی استفاده شد. نتایج بدست آمده حاکی از همبستگی خوب بین داده‌های واقعی و داده‌های تخمینی به میزان 92% است. در نهایت به منظور بالا بردن قابلیت تعمیم شبکه، نمونه‌های آزمایشی به نمونه‌های آموزشی اضافه شد و شبکه مجدداً با تمامی داده‌ها آموزش داده شد و از آن برای تخمین تخلخل مؤثر در محل چاه‌ها استفاده شد. در این حالت ضریب هم‌خوانی بین داده‌های واقعی و داده‌های تخمینی به 95% افزایش یافت.  نتایج این تحقیق قابلیت بالای شبکه‌های عصبی احتمالاتی را در برآوردکردن تخلخل مؤثر، حتی در مواقعی که تعداد نمونه‌های آموزشی کم است، روشن ساخت. %U https://www.ijgeophysics.ir/article_40851_9a468bd6dc07d9dc2e19d5102e32f180.pdf