شبكه هاي عصبي مورد استفاده در تخمين كل كربن آلي با استفاده از آناليز چندنشانگري

تخمين ويژگي هاي مخزن با استفاده از داده هاي لرزه اي اهميت بسيار زيادي در فعاليت هاي مربوط به مخازن نفتي دارد. نشانگر ها و بررسي آن ها در مطالعه و ارزيابي ميدان ها نقش مهمي را در تخمين ويژگي هاي مخزني ايفا مي كنند و از آن‌ها براي دستيابي به هدف هاي متفاوت در بررسي مخزن استفاده مي گردد. با توجه به اين‌كه داده هاي دو بعدي لرزه نگاري به تنهايي توانايي تخمين ذخيره مخزن نفتي را ندارند، نيازمند استفاده از نشانگر-هاي لرزه اي براي تخمين ويژگي هاي مخزن مي باشيم. مقدار (TOC) كل كربن آلي Total Organic Carbon يكي از پارامترهاي مهم در سنگ منشأ است كه مي تواند براي ارزيابي پتانسيل توليد و توصيف خصوصيات ژئوشيمي سنگ هاي مولد هيدروكربن استفاده شود. هدف اصلي اين مطالعه تعيين زون هاي غني از ماده آلي در ميدان مورد مطالعه است كه با ايجاد ارتباطي بين نگار محتواي كربن آلي در محل چاه ها و مقطع لرزه اي حاصل از آناليز چندنشانگري انجام مي گيرد. براي رسيدن به اهداف مورد نظر در وهله اول به منظور ساخت لرز ه نگاشت مصنوعي از داد ه هاي لرز ه اي دو بعدي و انواع نگار هاي مرسوم مانند چگالي، سرعت، تخلخل و ... متعلق به يكي از ميادين خليج فارس بهره گرفته شده است. با بكار بستن وارون سازي لرز ه اي به كمك نرم افزار همپسون-راسل 9، امپدانس صوتي پهن باند از داد ه هاي لرز ه اي استخراج شد. سپس با استفاده از رگرسيون مرحله اي، نشانگرهاي لرز ه اي انتگرال قدرمطلق دامنه ، فركانس غالب ، فيلتر فركانسي ميا ن گذر با حد كم 10-5 هرتز و حد زياد 20- 15 ، پوش دامنه و در نهايت فركانس لحظه اي به عنوان نشانگرهاي بهينه مرتبط با كل كربن آلي انتخاب شدند. نهايتاً، سه نوع مختلف از شبكه عصبي جهت تخمين TOC از روي نشانگرهاي لرز ه اي استفاده شد. نتايج حاصل نشان داد كه شبكه عصبي پيش خور چندلايه (MLFN) منجر به تخمين بهتري گرديده است.