تلفيق نشانگرهاي لرزه اي و شبكه هاي عصبي در شناسايي سامانه هاي گسلي در منطقه تنگه هرمز

Compilation of Seismic Attributes and Artificial Neural Networks in Identifying Fault Systems in the Hormuz Strait Area

در اين مطالعه به شناسايي سامانه هاي گسلي تنگه هرمز با استفاده از تلفيق نشانگرهاي لرزه اي و شبكه هاي عصبي مصنوعي پرداخته شده است. گسل ها و شكستگي ها نقش مهمي در ايجاد منطقه‌هايي با تخلخل و تراوايي زياد ايفا مي كنند. همچنين آنها در مسيرهـاي مهاجرت سيال سنگ مخزن و پوش‌سنگ را قطع مي كنند. در منطقه تنگه هرمز فعاليت هاي زمين‌ساختي شديد و زمين ساخت نمك منجر به تشكيل ساختارهاي پيچيده شده است. بنابراين شناسايي دقيق گسل ها و منطقه هاي شكستگي و چگونگي گسترش آنها در افزايش توليد از تله هاي نفتي، اهميت خاصي دارد. در شناسايي چگونگي گسترش و حركت گسـل ها در منطقـه تنگه هرمز (بخش خاوري خليج فارس) درون سـازنـدهاي ميشان، آغاجاري و در زير افق دگرشيبي قاعده گـوري، روش مدل سازي ساختماني (Image processing) و تجسم گرايي (visualization) تفسير لرزه اي به كار گرفته شده است. در اين روش بر پايه تركيب نشانگرهاي ورودي در سامانه شبكه عصبي مصنوعي و ايجاد نشانگرهاي جديد، تصوير ساختماني مناطق گسلي به دست آمده است. ابتدا مجموعه اي از نشانگرهاي پيشرفته به منظور تلفيق نشانگرهاي محاسبه شده در نقاط تفسيري گسلي و غيرگسلي، به عنوان ورودي به سامانه شبكه عصبي تحت نظر براي آموزش معرفي شده اند. در پايان مكعب گسلي به عنوان ابزار قوي اكتشافي براي شناسايي دقيق سامانه گسلي و تشخيص بهتر گسل ها و شكستگي ها، در مدل سازي كيفي منطقه به دست آمده است. همبستگي (correlation) بالاي ميان گسل ها در مكعب گسلي، در نتيجه به كارگيري نشانگرهاي تركيبي، امكان ردگيري (tracking) دقيق تر و معتبرتر گسترش گسل ها را فراهم مي كند. در نتيجه اين پژوهش، سه نوع سامانه گسلي در منطقه مورد مطالعه شناسايي شده اند كه در نتيجه زمين ساخت كششي و فشارشي كوهزايي عمان يا حركات زمين ساخت عمودي كوهزايي زاگرس و جريان نمك در طي رسوب گذاري به وجود آمده اند.

This study has focused on identifying fault systems in the Hormuz Strait area using compilation of seismic attributes and artificial neural networks. Faults and fractures play an important role in creating areas of high porosity and permeability. In addition, they cut off the cap and reservoir rocks along fluid migration pathways. Intense tectonic activities and salt tectonics have resulted in complex structures in the Strait of Hormuz area. Therefore, precise identification of faults and fracture zones and their extensions has special importance in increasing petroleum production from traps. In order to identify the geometry and kinematics of faults in the Mishan and Aghajari Formations and in the units under the base-Guri unconformity in the Hormuz Strait area (eastern part of the Persian Gulf), we have used structural imaging and visualization techniques of seismic interpretation. The structural imaging of the fault zones was obtained by this technique based on the integration of input attributes in an artificial neural network system and creating new attributes. First, a set of advanced attributes were introduced as input for the artificial neural network system to train and compile the calculated attributes on fault and non-fault interpreted points. As a powerful exploration tool, finally, the fault cube was obtained to precisely identify fault systems and better detect faults and fractures in quantitative modeling of the area. As a result of integrated attributes, the high correlation between the faults within the fault cube provides more accurate and reliable tracking of fault extensions. Therefore, three types of fault systems were identified in study area, which are thought to be results of the extensional and compressional tectonics of the Oman Orogeny, vertical tectonic movements of the Zagros Orogeny, and syn-sedimentary salt movements.