بهبود نشانگرهای لرزه ای مبتنی بر ماتریس هم رخداد سطح خاکستری با استفاده از تبدیل غیرخطی به مقیاس خاکستری در شناسایی ژئوبادی گنبد نمکی

سال انتشار: 1401
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 31

فایل این مقاله در 11 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_JRAG-8-3_005

تاریخ نمایه سازی: 27 فروردین 1403

چکیده مقاله:

گنبدهای نمکی یکی از ساختارهای مهم زمین شناسی در اکتشاف منابع هیدروکربنی هستند که به دلایل مختلفی تعیین ژئوبادی آن ها در داده های لرزه ای دارای اهمیت زیادی است. به دلیل بافت متفاوت گنبد نمکی نسبت به رسوبات دربرگیرنده، نشانگرهای لرزه ای بافتی ابزار مفیدی برای شناسایی و تشخیص این ساختارها در داده های لرزه ای هستند. ماتریس هم رخداد سطح خاکستری به عنوان ابزاری متداول برای تولید نشانگرهای بافتی در داده های لرزه ای استفاده می شوند. برای محاسبه ماتریس هم رخداد سطح خاکستری به منظور استخراج نشانگرهای بافتی، ابتدا تصویر داده لرزه ای بایستی به مقیاس خاکستری تبدیل شود. تبدیل خطی به عنوان متداول ترین و پرکاربردترین الگوریتم برای مقیاس کردن دامنه داده های لرزه ای به سطوح خاکستری استفاده می شود که مهمترین ویژگی آن حفظ حداکثری هیستوگرام توزیع دامنه های اصلی داده لرزه ای است. با این حال، رویدادهای زمین شناسی مورد علاقه مفسران نظیر گنبد نمکی اغلب تنها بخش کوچکی از هیستوگرام اولیه دامنه را پوشش می دهند و برای نمایش موثرتر آن ها، بهتر است، سطوح خاکستری بیشتری به آن ها اختصاص داده شود. تبدیل غیرخطی به مقیاس خاکستری با استفاده از تابع سیگموئید، امکان اختصاص سطوح خاکستری بیشتری به رویداد زمین شناسی نسبت به تبدیل خطی در داده لرزه ای را فراهم می آورد و سبب تقویت آن رویداد در تصویر مقیاس خاکستری و در نتیجه بهبود نشانگر بافتی حاصل از آن می شود. در این مقاله از طبقه بندی نشانگرهای بافتی مبتنی بر ماتریس هم رخداد سطح خاکستری بهبود یافته جهت تعیین ژئوبادی گنبد نمکی در داده لرزه ای دریایی دو بعدی مربوط به تنگه هرمز استفاده شده است. نتایج به دست آمده نشان داد که دقت شناسایی گنبد نمکی با استفاده از نشانگرهای بهبود یافته نسبت به نشانگرهای متداول در حدود ۲ درصد افزایش دارد و با توجه به عدم افزایش در زمان محاسبات می تواند به عنوان جایگزین مناسبی برای نشانگرهای متداول باشند.

کلیدواژه ها:

گنبد نمکی ، تفسیر لرزه ای ، نشانگرهای بافتی ، تبدیل غیرخطی به مقیاس خاکستری ، ماتریس هم رخداد سطح خاکستری

نویسندگان

پوراندخت سلطانی

دانشجوی دکترای اکتشاف معدن؛ دانشکده مهندسی معدن، نفت و ژئوفیزیک، دانشگاه صنعتی شاهرود

امین روشندل کاهو

دانشیار؛ دانشکده مهندسی معدن، نفت و ژئوفیزیک، دانشگاه صنعتی شاهرود

حمید حسن پور

استاد؛ دانشکده کامپیوتر، دانشگاه صنعتی شاهرود

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 :
  • Amin, A., Deriche, M., Shafiq, M.A., Wang, Z., AlRegib, G., ...
  • Anyiam, U.O., Uzuegbu, E., ۲۰۲۰. ۳D seismic attribute-assisted stratigraphic framework ...
  • Berthelot, A., Solberg, A.H., Morisbak, E., Gelius, L.J., ۲۰۱۱. Salt ...
  • Chopra, S., Marfurt, K.J., ۲۰۰۷. Seismic attributes for prospect identification ...
  • Di, H., Gao, D., ۲۰۱۷. Nonlinear gray-level co-occurrence matrix texture ...
  • Eichkitz, C.G., Amtmann, J., Schreilechner, M.G., ۲۰۱۳. Calculation of grey ...
  • Farrokhnia, F., Kahoo, A.R., Soleimani, M., ۲۰۱۸. Automatic salt dome ...
  • Gunn, S.R., ۱۹۹۸. Support vector machines for classification and regression. ...
  • Haralick, R.M., Shanmugam, K., Dinstein, I.H., ۱۹۷۳. Textural features for ...
  • Hosseini-Fard, E., Roshandel-Kahoo, A., Soleimani-Monfared, M., Khayer, K., Ahmadi-Fard, A.R., ...
  • Hu, J., Zhou, T., Ma, S., Yang, D., Guo, M., ...
  • Humeau-Heurtier, A., ۲۰۱۹. Texture feature extraction methods: A survey. IEEE ...
  • Iske, A., Randen, T., ۲۰۰۵. Mathematical methods and modelling in ...
  • Jović, A., Brkić, K., Bogunović, N., ۲۰۱۵. A review of ...
  • Kalaneh, S., Ghaemi, F., Mousavi-Harami, S.R., Mohajer Soltani, H., ۲۰۲۳. ...
  • Kearey, P., Brooks, M., Hill, I., ۲۰۰۲. An introduction to ...
  • Khayer, K., Hosseini Fard, E., Roshandel Kahoo, A., Soleimani Monfared, ...
  • Khayer, K., Roshandel-Kahoo, A., Soleimani-Monfared, M., Kavoosi, K., ۲۰۲۲b. Combination ...
  • Khayer, K., Roshandel Kahoo, A., Soleimani Monfared, M., Tokhmechi, B., ...
  • Naganaidu, D., Khalid, Z.M., ۲۰۲۳. ANOVA Assisted Variable Selection in ...
  • Shafiq, M.A., Wang, Z., AlRegib, G., Amin, A., Deriche, M., ...
  • Soltani, P., Roshandel Kahoo, A., Hasanpour, H., ۲۰۲۳, Proposing new ...
  • Tavakolizadeh, N., Bagheri, M., ۲۰۲۲. Multi-attribute Selection for Salt Dome ...
  • Zwanenburg, A., Leger, S., Vallierès, M., Löck, S., ۲۰۱۶. Image ...
  • نمایش کامل مراجع