عنوان پایان‌نامه
تعیین گسل ها و ریز گسل های مخزن با استفاده از روش زمین آماری تابع خود همبستگی بیشینه / کمینه و فازی بر روی داده های لرزه ای
- رشته تحصیلی
- مهندسی معدن-اکتشاف معدن
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه مرکزی پردیس 2 فنی شماره ثبت: 2963;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 69992
- تاریخ دفاع
- ۲۲ دی ۱۳۹۳
- دانشجو
- سیما شکیبا
- استاد راهنما
- امید اصغری
- چکیده
- از عملگرهای فازی و تلفیق نشانگرهای لرزه ای و روش تابع خود همبسته کمینه/ بیشینه برای رتبه بندی و ترکیب نشانگرهای مهم، به شناسایی گسل‌ها و ریزگسل های مخازن نفت و گاز استفاده می‌شود. از آنجا که شکستگی‌ها بخصوص در مخازن کربناته نقش مهمی در جابجایی و لذا تولید هیدروکربن می‌توانند به عهده داشته باشند؛ به منظور توسعه چنین مخازنی، شناسایی ریز گسل‌ها و شکستگی‌ها ضروری است. برای شناسایی شکستگی ها از روش های متفاوتی مانند تبدیل موجک، استفاده از نمودار های پتروفیزیکی، دستگاه های سنجش لبه های شکستگی از راه دور، تفسیر نشانگرهای لرزه ای و تلفیق آن ها با استفاده از شبکه عصبی و سیستم اطلاعات جغرافیایی استفاده می شود. با توجه به اینکه داده‌های لرزه‌ای، عمده داده‌های در دسترس را تشکیل می‌دهند؛ نشانگرهای لرزه‌ای حساس به این شکستگی‌ها و ترکیب آن‌ها به منظور شناسایی شکستگی‌ها و گسل‌ها مورد استفاده قرار می گیرد. در این مطالعه از روش زمین آماری تابع خود همبسته کمینه/ بیشینه و منطق فازی بر روی داده-های لرزه ای که هر کدام قسمت‌های متفاوتی از گسل را در محدوده نشان می دهند، استفاده شده است و روش‌شناسی کاربرد عملگرهای فازی در تلفیق نشانگرهای لرزه‌ای با استفاده از روش تابع خود همبسته کمینه/ بیشینه (MAF) به منظور شناسایی گسل‌ها و شکستگی‌های مخزن مورد بررسی می‌باشد. روش MAF روشی برای ترکیب خطی از اطلاعات ورودی و ابزاری برای کاهش بُعد متغیرهای ورودی است، به این صورت که با کاهش تعداد متغیرهای ورودی به کاهش اطلاعات از دست رفته نیز نمی‌پردازد. همچنین روشی برای تجزیه و تحلیل مؤلفه‌های اصلی در طول گام‌های مختلف و دارای پیوستگی فضایی است. اما در روش تجزیه و تحلیل مؤلفه‌های اصلی ، شبیه سازی در طول گام صفر انجام می‌شود. روش فاکتور‌های کمینه/ بیشینه تابع خود همبسته، یک روش کاربردی برای هدف کاهش بعد اطلاعات و مستقل کردن فاکتورها در تمامی طول گام‌ها است، ضمن اینکه نشانگرهای لرزه-ای را پالایش می‌‌کند و مزیت‌های زیادی نسبت به روش‌های شبیه‌سازی همزمان استاندارد کامل ، تحلیل اجزای اصلی و روش گام به گام دارا دارد. بر اساس هدف تعیین شده (تعیین شکستگی)، لایه‌های اطلاعاتی مختلف و درجه اهمیت هر کدام از لایه‌های اطلاعاتی بر اساس نظر کارشناس و کلاس‌های مد نظر گسل یا غیر گسل یک تابع عضویت تعیین می‌شود و مشخصات هر قسمت و درجات متفاوت احتمال گسل با نشانگرهای لرزه‌ای تعیین می‌شود. این لایه‌های اطلاعاتی ورودی‌های فازی هستند که خروجی آن محل گسل‌ها و غیر گسل‌ها را با وضوح بهتری نشان می دهد. برای هر کدام از متغیرهای ورودی منطق فازی، تابع عضویت مشخص می‌شود که نوع رفتار متغیر نسبت به دو بازه گسل و غیر گسل را نشان می‌دهد. بعد از ترکیب قواعد فازی بیشترین احتمال گسل و غیر گسل بودن مشخص می‌شود. واژه‌های کلیدی: گسل، تابع خود همبسته کمینه/بیشینه، منطق فازی، تحلیل مؤلفه های اساسی.
- Abstract
- Is fuzzy Logic and integrating seismic attribiutes and their function associated with the use of minimum/maximum attribiutes important for ranking and composition, to identify faults and microfault in oil and gas reservior? Because of fractures, especially in carbonate reservoirs play an important role in oil migration, it is necessary to identify small faults and fractures. To identify fractures by different methods such as wavelet transform, using petrophysical logs, edge detection by remote sensing devices, and interpretation of seismic attributes by using neural network and GIS is used. Since the seismic data, constitute the main data available; Seismic attributes susceptible to fractures and compound fractures and faults are used to identify them. In this study the application of Fuzzy logic and MAF approach is considered to detect the fault and non-fault on seismic attributes which distinguish different parts of a fault. MAF technical method is the linear combination of input data and a method for reducing the input variables, in this case the data reduction do not make difference in information. In MAF approach decorrelation between attributes is done in any lag space, otherwise in PCA approach the decorrelation achieved in zero lag space. To achieve the goal of this study (fracture detection) all attributes combined by fuzzy logic. So based on expert ideas the variables classify in different membership functions. At least the final map illustrates the clarity of fractures in the area. Fuzzy logic method classified the decorrelated factors in to different membership functions and combined them to obtain map of fracture by more clarity. After combining the fuzzy rules the most likely fault and non-fault is determined. while the seismic attributes can be refined and completed many advantages compared to standard full cosimulation methods, principal components analysis and stepwise method. Keyword: Fault, Min/Max Autocorrelation Factors, Fuzzy Logic, Principal Component Analysis.
