ﺳﺮﻋﺖ و دقت ﺗﺸﺨﯿﺺ محل ﮔﺴﻞ به صورت خودکار در داده‌های لرزه‌نگاری اﻓﺰاﯾﺶ یافت

به گزارش گروه فناوری خبرگزاری دانشجو، مریم نوری فارغ التحصیل دکترای دانشگاه صنعتی امیرکبیر و مجری طرح «شناسایی خودکار گسل در داده‌های لرزه‌نگاری با استفاده از برازش فرآیند گوسی»گفت : گسل یک پدیده تکتونیکی حائز اهمیت در علوم مهندسی نفت است، زیرا عدم تشخیص مناسب محل گسل و زمان‌بر بودن آن می‌تواند چالش‌های فراوانی در عملیات حفاری، فرآیند اکتشاف و مهندسی مخازن هیدروکربوری ایجاد کند.

 

وی با اشاره به هدف در نظر گرفته شده برای این طرح اظهار کرد: اﻓﺰاﯾﺶ ﺳﺮﻋﺖ و دقت در ﺗﺸﺨﯿﺺ محل ﮔﺴﻞ به صورت خودکار در داده‌های لرزه‌نگاری یکی از ویژگی‌های بارز این طرح بوده است. علاوه برآن تحلیل ناهنجاری‌های دیگری مانند یافتن مرز‌های گنبد‌های نمکی درون داده‌های لرزه نگاری نیز مورد نظر بوده است.

فارغ التحصیل دانشگاه صنعتی امیرکبیر تصریح کرد: داده‌های لرزه‌نگاری سه بعدی، جزء داده‌های حجیم محسوب می‌شوند؛ در صورت گسل خوردگی منطقه، ویژگی ظاهر شده توسط پدیده ﮔﺴﻞ خوردگی در این دادهها به نسبت کل داده‌ها، پراکنده اﺳﺖ و در ﻧﺘﯿﺠﻪ ﻋﻤﺪه ﺣﺠﻢ داده ورودی، داده اﺿﺎﻓﯽ اﺳﺖ ﮐﻪ ﮐﻤﮑﯽ در ﺗﺤﻠﯿﻞ ﮔﺴﻞ ﻧﻤﯽﮐﻨﺪ.

 

وی افزود: برای تفسیر گسل باید کل داده سه بعدی توسط مفسر جاروب شود؛ اﯾﻦ ﻣﻮﺿﻮع ﺳﺒﺐ اﻓﺰاﯾﺶ زﻣﺎن ﺗﻔﺴﯿﺮ ﮔﺴﻞ و ﻧﯿﺰ ﻫﺰﯾﻨﻪی اﺿﺎﻓﯽ ﻣﯽﺷﻮد. تفسیر گسل توسط عامل انسانی نیاز به تخصص و تجربه فراوان دارد. هرچند این موضوع تنها مختص ﺗﻔﺴﯿﺮ ﮔﺴﻞﻧﯿﺴﺖ وﻟﯽ بایستی اذعان کرد که ﺗﻔﺴﯿﺮ ﮔﺴل ﺑﺪون ﺗﺠﺮﺑﻪ و ﺗﺨﺼﺺ ﻓﺮاوان اﻏﻠﺐ ﺑﺎ ﺧﻄﺎی زﯾﺎد همراه خواهد بود که در برخی موارد منجر به عدم شناسایی محل گسل خواهد شد.

محقق دانشگاه امیرکبیر ادامه داد: ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ اﻓﺰاﯾﺶ دادهﻫﺎی ﻟﺮزه ﻧﮕﺎری، ﻧﺴﺒﺖ ﺗﻌﺪاد اﻓﺮاد ﻣﺘﺨﺼﺺ ﺑﻪ ﻣﯿﺰان داده روز ﺑﻪ روز ﮐﺎﻫﺶ ﻣﯽﯾﺎﺑﺪ. به همین دلیل تیم تحقیق تصمیم گرفت که بر روی خودکار کردن شناسایی محل گسل درون داده‌های لرزه‌نگاری تحقیقات وسیعی صورت گیرد تا هم بتوانیم ﺳﺮﻋﺖ و دقت ﺗﺸﺨﯿﺺ محل ﮔﺴﻞ را افزایش دهیم و هم اثر خطای انسانی را کاهش دهیم و همچنین زمان و هزینه تفسیر گسل را کاهش دهیم.

وی با تاکید بر اینکه درعلم داده‌کاوی، شناسایی ناهنجاری به شناسایی بخش‌ها، رویداد‌ها و یا ‏مشاهداتی گفته می‌شود که تطابقی با یک الگوی مورد انتظار در داده ‏ ندارند، بیان کرد: ﻣﺴﺎﻟﻪ اصلی در ﺗﺸﺨﯿﺺ ﻧﺎﻫﻨﺠﺎری، ﺗﺸﺨﯿﺺ ﻧﻮع ﺧﺎصی از ﻧﺎﻫﻨﺠﺎری اﺳﺖ ﮐﻪ اﺛﺮات ﻋﻤﻮمی روی داده میﮔﺬارد که به آن ناهنجاری جهانی می‌گویند و بخش زیادی از داده را از روند مورد انتظار منحرف می‌کند. گسل نیز یک پدیده تکتونیکی است که موجب جابجایی توده‌های سنگی و لایه‌های زمین شناسی در راستا‌های مختلف می‌شود و نظم و روند هموار لایه‌ها را برهم می‌زند بنابراین می‌تواند به عنوان یک ناهنجاری جهانی در داده دنبال و ردیابی شود.

نوری ادامه داد: با انجام این تحقیق بخوبی توانستیم محل گسل را به صورت خودکار و با دقت بالاتری نسبت به روش‌های پیشین در داده‌های لرزه‌نگاری تشخیص دهیم. با شناسایی ناهنجاری با استفاده از برازش روش فرآیند گوسی مرز دانش جدیدی در علم ژئوفیزیک و اطلاعات لرزه‌نگاری باز شد که به پدیده‌هایی مانند گسل خوردگی و یا مرز‌های گنبد نمکی به عنوان محل ناهنجاری جهانی در داده لرزه نگاری نگریسته شود.

وی عنوان کرد: به نظر می‌رسد بتوان علاوه بر گسل ناهنجاری‌های دیگری در اطلاعات لرزه نگاری را با این روش شناسایی کرد که بایستی مورد تحقیق و آزمایش بیشتر قرار گیرد.

نوری افزود: ایده این تحقیق این بود تا زمانی که هیچ گونه رخداد غیرطبیعی مثل گسل‌خوردگی روند توده‌های سنگی و یا به عبارتی لایه‌های زمین شناسی را برهم نزند می‌توان داده‌های لرزه‌نگاری را با یک فرآیند گوسی توصیف کرد و اگر جایی این توصیف گوسی با خطا برخورد کند محل خطا می‌تواند به عنوان یک نقطه‌ی احتمالی از محل گسل درنظر گرفته شود.

 

وی با بیان اینکه نتیجه این طرح در صنعت نفت و کلیه موسساتی که بر روی مطالعات زمین شناسی و تکنونیکی کار می‌کنند قابل استفاده است؛ بیان کرد: به نظرم این طرح و ایده به طور کل می‌تواند برای یافتن ناهنجاری‌های جهانی موجود در داده‌های مختلف در علوم مختلف به کار برده شود.

وی تصریح کرد: درواقع موفق شدیم این پروژه را به صورت یک طرح دانشجویی با شرکت ملی نفت ایران صنعتی کنیم. در حال حاضر هم سعی داریم با همکاری اساتید راهنما و دانشجویان مقطع کارشناسی ارشد، طرح کامل شود و خروجی کار را به صورت یک نرم افزار در استخراج خودکار سطوح گسل تکمیل کنیم. این سطوح استخراج شده در ساخت مدل‌های مخازن هیدروکربونی بسیار حائظ اهمیت است و می‌تواند کمک شایانی به علوم مهندسی نفت اعم ازاکتشاف، حفاری و مخزن داشته باشد.