تلفيق شبكه‌هاي عصبي مصنوعي و الگوريتم رديابي خودكار احتمال گسل نازك شده، جهت شناسايي، تفسير و استخراج گسل‌ها

شناخت گسل‌ها و بررسي سير تكاملي آنها از اهميت ويژه‌اي در اكتشاف و توسعه منابع هيدروكربوري برخوردار است. موفقيت در اكتشاف و توسعه ميادين هيدروكربوري، مستلزم شناسايي دقيق سيستم‌هاي نفتي منطقه بوده و در اين راستا يكي از مهمترين مسائل شناسايي گسل‌ها و نحوه گسترش آن‌ها، به عنوان مجراي اصلي مهاجرت سيال، مخصوصا در نواحي عميق‌تر مي‌باشد. گسل ها و شكستگي ها نقش مهمي را در ايجاد بخش هايي با تخلخل و تراوايي زياد و قطع سنگ مخزني و پوشش در مسيرهاي مهاجرت سيال ايفا مي كنند. علاوه بر اينها براي بيشينه كردن برداشت هيدروكربور از مخزن و نيز كاهش خطر پذيري حفاري، ضروري است تا اطلاعات مناسبي از هندسه و طبيعت گسل‌هاي مخزن به دست آورده شود. در اين مقاله هدف بررسي كارايي تركيب شبكه عصبي و الگوريتم رديابي خودكار احتمال گسل در شناسايي و تفسير گسل‌ها در داده لرزه‌اي مي‌باشد. ابتدا با استفاده از قابليت هدايت شيب نرم‌افزار، فيلتر مورد نظر اوليه كه براي شناسايي دقيق شيب ساختارها و پديده‌هاي موجود در داده مي‌باشد، طراحي و اعمال گرديده است. سپس با طراحي و اعمال فيلترهاي مناسب، داده لرزه‌اي بهبود يافته است. پس از آن نشانگرهاي لرزه‌اي مناسب براي شناسايي گسل‌ها از داده لرزه‌اي سه بعدي، شناسايي و محاسبه شده‌اند. با انتخاب نقاط نمونه براي دو كلاس گسل و غير گسل از داده، شبكه عصبي نظارت شده با استفاده از نشانگرهاي منتخب تشكيل شده و پس از آموزش بهينه شبكه، خروجي مناسب از شبكه ايجاد گرديده است. سپس خروجي شبكه عصبي به عنوان ورودي براي الگوريتم رديابي خودكار احتمال گسل نازك شده، استفاده شده است. خروجي اين قسمت شامل حجم احتمال گسل‌هاي رديابي شده، ارائه و نمايش داده شده است. در نهايت با استفاده از ابزارهاي زيرمجموعه قسمت احتمال گسل، و تنظيمات پارامترهاي آن به صورت بهينه، صفحات گسل سه بعدي به صورت خودكار استخراج و تفسير گرديده‌اند.