بررسي تغيير رخساره لرزه‌اي براساس خوشه‌بندي سلسله‌مراتبي نشانگرهاي لرزه‌اي: بررسي موردي در يكي از ميدان‌هاي نفتي ايران

Seismic facies analysis based on hierarchical clustering of seismic attributes: A case study of an Iranian oil field

تحليل رخساره لرزه‌اي درحكم ابزاري در شناسايي تغييرات جانبي رخساره‌ها مي‌تواند مورد استفاده مفسران قرار گيرد. در تحليل رخساره لرزه‌اي، با استفاده از يك يا چند نشانگر لرزه‌اي مي‌توان نمونه‌هاي زماني مربوط به بازتاب‌هاي لرزه‌اي را در گروه‌هاي مشابه طبقه‌بندي كرد. در نتيجه اين طبقه‌بندي رخساره‌هاي لرزه‌اي و تغييرات جانبي رخساره‌ها در بازتاب‌ها آشكار مي‌شوند. در اين مقاله، با استفاده از روش خوشه‌بندي سلسله‌مراتبي تغييرات جانبي رخساره لرزه‌اي در سه مدل مصنوعي و همچنين داده واقعي مورد ارزيابي قرار گرفته است. ورودي الگوريتم خوشه‌بندي سلسله‌مراتبي يك يا چند نشانگر لرزه‌اي است. اما قبل از ورود داده به الگوريتم، ممكن است لازم باشد داده‌هاي اضافي كه به هم وابسته هستند و تغييرات آنها شبيه يكديگر است، كاهش يابند. اين عمل با تحليل مولفه اصلي قابل اجرا است. دراين‌صورت ابتدا كل داده ورودي نرمال و سپس وارد الگوريتم تحليل مولفه اصلي مي‌شود. در تحليل مولفه اصلي براساس مقادير ويژه ماتريس كوواريانس داده ورودي عمل كاهش داده‌هاي اضافي صورت مي‌گيرد. داده به‌دست آمده از تحليل مولفه اصلي براساس فاصله تعريف‌ شده بين نمونه‌هاي زماني گوناگون در مراحل متفاوت خوشه‌بندي مي‌شود و هر نمونه زماني در خوشه مربوط به خود قرار مي‌گيرد. نتيجه اين عمل تبديل مقطع لرزه‌اي مهاجرت داده شده به يك مقطع خوشه‌بندي شده است كه در آن رخساره‌هاي لرزه‌اي آشكار شده‌اند. نتايج حاصل از خوشه‌بندي در مدل‌هاي مصنوعي تا نسبت سيگنال به نوفه 4 دسي‌بل به‌‌خوبي تغيير رخساره لرزه‌اي را نشان مي‌دهد. نتايج حاصل از به كارگيري روش روي داده واقعي كه به دو صورت داده سه‌بُعدي و خط (مقطع) استخراج شده از داده سه‌بُعدي صورت گرفته است، نشان مي‌دهد كه در حالتي كه كل داده سه‌بُعدي خوشه‌بندي شده است، به علت ورود اطلاعات بيشتر به الگوريتم خوشه‌بندي، توان تفكيك قايم و افقي رخساره‌هاي لرزه‌اي بهبود مي‌يابد.