مدل سازی دوبعدی داده های مگنتوتلوریک به منظور آشکار سازی منابع هیدروکربوری با روش دوقطری سازی لنکزوس (مطالعه موردی: منطقه کاشان)
محل انتشار: مجله پژوهش نفت، دوره: 31، شماره: 2
سال انتشار: 1400
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 47
فایل این مقاله در 17 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_PRRIP-31-2_002
تاریخ نمایه سازی: 4 دی 1402
چکیده مقاله:
روش مگنتوتلوریک از میدان های الکتریکی و مغناطیسی طبیعی و متغیر با زمان در سطح زمین جهت پی بردن به ساختارهای الکتریکی زمین مثل اکتشاف ساختارهای حاوی مواد هیدروکربوری استفاده می کند. در فرآیند وارون سازی داده های مگنتوتلوریک، روش محاسبه وارون ماتریس تاثیر به سزایی در سرعت وارونگی و کیفیت مدل های به دست آمده دارد. روش دوقطری سازی لنکزوس یک روش سریع و موثر برای مسائل وارون است. در این الگوریتم، سیستم روابطی با ابعاد کمتر جایگزین روابط اصلی می شود. علاوه بر این برای تعیین پارامتر تنظیم از روش متعادل سازی قید فعال استفاده شده است. نتایج وارون سازی داده های مصنوعی نشان داد که روش لنکزوس سریع تر از روش متداول گرادیان مزدوج است و مدل به دست آمده با این روش کیفیت بهتری دارد. روش پیشنهادی همچنین برروی داده های مگنتوتلوریک منطقه کاشان اعمال شد. مدل به دست آمده سازند قم را که مهم ترین سنگ مخزن و سنگ منشا هیدروکربوری در ایران مرکزی است و دیگر ساختارهای زمین شناسی منطقه از قبیل تاقدیس نواب و گسل ها را به خوبی نشان می دهد. نتایج حاصل از مدل سازی با دو روش لنکزوس و گرادیان مزدوج و مقایسه آن ها با اطلاعات زمین شناسی نشان می دهد که مدل سازی با روش لنکزوس نتایج قابل قبول تر و نزدیک تری به مدل واقعی زمین نسبت به مدل به دست آمده با روش دیگر از خود نشان می دهد.
کلیدواژه ها:
نویسندگان
فائقه میناعراقی
گروه علوم زمین، دانشکده علوم پایه، دانشگاه آزاد اسلامی واحد علوم و تحقیقات تهران، ایران
میرستار مشینچی اصل
گروه علوم زمین، دانشکده علوم پایه، دانشگاه آزاد اسلامی واحد علوم و تحقیقات تهران، ایران
علی نجاتی کلاته
دانشکده مهندسی معدن، نفت و ژئوفیزیک، دانشگاه صنعتی شاهرود، ایران
محمود میرزایی
دانشکده علوم پایه، دانشگاه اراک، ایران
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :