بررسی تغییر رخساره لرزه‌ای براساس خوشه‌بندی سلسله‌مراتبی نشانگرهای لرزه‌ای: بررسی موردی در یکی از میدان‌های نفتی ایران

تحلیل رخساره لرزه‌ای درحکم ابزاری در شناسایی تغییرات جانبی رخساره‌ها می‌تواند مورد استفاده مفسران قرار گیرد. در تحلیل رخساره لرزه‌ای، با استفاده از یک یا چند نشانگر لرزه‌ای می‌توان نمونه‌های زمانی مربوط به بازتاب‌های لرزه‌ای را در گروه‌های مشابه طبقه‌بندی کرد. در نتیجه این طبقه‌بندی رخساره‌های لرزه‌ای و تغییرات جانبی رخساره‌ها در بازتاب‌ها آشکار می‌شوند. در این مقاله، با استفاده از روش خوشه‌بندی سلسله‌مراتبی تغییرات جانبی رخساره لرزه‌ای در سه مدل مصنوعی و همچنین داده واقعی مورد ارزیابی قرار گرفته است. ورودی الگوریتم خوشه‌بندی سلسله‌مراتبی یک یا چند نشانگر لرزه‌ای است. اما قبل از ورود داده به الگوریتم، ممکن است لازم باشد داده‌های اضافی که به هم وابسته هستند و تغییرات آنها شبیه یکدیگر است، کاهش یابند. این عمل با تحلیل مولفه اصلی قابل اجرا است. دراین‌صورت ابتدا کل داده ورودی نرمال و سپس وارد الگوریتم تحلیل مولفه اصلی می‌شود. در تحلیل مولفه اصلی براساس مقادیر ویژه ماتریس کوواریانس داده ورودی عمل کاهش داده‌های اضافی صورت می‌گیرد. داده به‌دست آمده از تحلیل مولفه اصلی براساس فاصله تعریف‌ شده بین نمونه‌های زمانی گوناگون در مراحل متفاوت خوشه‌بندی می‌شود و هر نمونه زمانی در خوشه مربوط به خود قرار می‌گیرد. نتیجه این عمل تبدیل مقطع لرزه‌ای مهاجرت داده شده به یک مقطع خوشه‌بندی شده است که در آن رخساره‌های لرزه‌ای آشکار شده‌اند. نتایج حاصل از خوشه‌بندی در مدل‌های مصنوعی تا نسبت سیگنال به نوفه 4 دسی‌بل به‌‌خوبی تغییر رخساره لرزه‌ای را نشان می‌دهد. نتایج حاصل از به کارگیری روش روی داده واقعی که به دو صورت داده سه‌بُعدی و خط (مقطع) استخراج شده از داده سه‌بُعدی صورت گرفته است، نشان می‌دهد که در حالتی که کل داده سه‌بُعدی خوشه‌بندی شده است، به علت ورود اطلاعات بیشتر به الگوریتم خوشه‌بندی، توان تفکیک قایم و افقی رخساره‌های لرزه‌ای بهبود می‌یابد.