بخشی از مقاله
چکیده
استفاده از دادههای لرزهای میتواند در شرایط ایدهآل هر گونه اطلاعات تحت الارضی از وضعیت ساختاری نفتگیرها و خواص مخزنی سنگهای مخزن را فراهم سازد. یکی از ارکان مطالعاتی تفسیر دادههای لرزهای سه بعدی، بررسی نشانگرهای لرزهای است. نشانگرهای لرزهای از شیوههای رایج برای تشخیص و تخمین محدوده مخازن گاز و نفت میباشد. اگرچه نشانگرهای لرزهای در ترسیم و شناسایی رخسارههای لرزهای مفید هستند اما تعداد کمی از آنها رابطهای کمّی بین دامنهها را بیان میکنند. نشانگر بافت لرزهای اندازهگیری آماری از دامنه میباشد و قادر به شناسایی و طبقهبندی بازتابندهها میباشد. یک مدل بافتی با فازی متغییر برای تصویرسازی نماهای ارتعاشی مفید است و مدل بافتی با انباشتگی، فرکانس و سایز متغییر در تنظیم ارتعاش با شرایط و مشخصههای ذخیرهای ابزاری عمل میکند.
نشانگر بافت لرزهای یک روش جدید برای شناسایی و تفسیر دادههای لرزهای میباشد و با استفاده از آن میتوان به درک صحیحی از رخسارههای لرزهای دست یافت. این نشانگر به چندین زیر مجموعه دستهبندی میشود که از مهمترین آنها میتوان به انرژی، همگنیت و آنتروپی اشاره کرد. با بهرهگیری از اندازهگیریهای آماری که توسط سه نشانگر ذکر شده، بر روی دادههای لرزهای حاصل از یک میدان هیدروکربنی به دست میآید، میتوان به جزئیات بیشتری از یک بافت لرزهای حاصل از محدودهای خاص پی برد. بطوریکه چاه گاز دارای مقادیر بالای نشانگر انرژی بافت لرزهای و نشانگر همگنیت بافت لرزهای و مقادیر کم نشانگر آنتروپی بافت لرزهای میباشد. به این منظور در این تحقیق از نشانگر بافت لرزهای به عنوان یک شیوه نوین برای تشخیص صحیح محدوده مخزن هیدروکربنی بر روی دادههای لرزهای در یک میدان هیدروکربنی استفاده میشود.
واژههای کلیدی: نشانگر بافت لرزهای، اندازهگیری آماری دامنه، انرژی، همگنیت، آنتروپی، چاه گاز
.1 مقدمه و مبانی نظری
نخستین بار آنالیز بافت دادههای لرزهای توسط لاو و سیمان [1] در سال - 1984 - به منظور استخراج الگویی برای ویژگی سیگنال لرزهای معرفی شد. ایده نشانگر بافت لرزهای از آنجا نشأت میگیرد که سرشت سیگنال لرزهای مربوط به محیط رسوبی آن میباشد، بنابراین ویژگیهای محیط رسوبی را در خود دارد. هرچه نسبت سیگنال به نویز بیشتر باشد، سیگنال لرزهای ویژگیهای بیشتری از محیط رسوبی خود را به همراه خواهد داشت. هارلیک [2] در سال - 1973 - مفهوم آنالیز بافت را به منظور پردازش تصویر معرفی کرد و نشانگر بافت لرزهای را به چهارده گروه دسته بندی کرد. گائو [3] در سال - 2003 - با استفاده از اندازهگیریهای آماری دستهای دیگر به نام رندومنس را معرفی کرد. علاوه بر بسیاری از الگوریتمهای کلاسیک، بسیاری از الگوریتمهای دیگر در حال شکلگیری و پدید آمدن هستند که قابلیت مفسران برای مشخص سازی ارتعاشات زیرزمینی را به شکل معنیداری ارتقا بخشیده است.
در بعضی موارد وجود مقدار کمی گاز در یک مخزن باعث ایجاد دامنهای مشابه با مخزنی که از گاز اشباح شده است، میشود و این باعث خطا در تشخیص مخزن میگردد. دامنه بازتابنده تحت تاثیر پارامترهایی از جمله ضخامت، لیتولوژی،تخلخل و... میباشد، لکههای روشن نیز میتوانند به دلایل ذکر شده نادیده گرفته شوند. از موارد حساسیت نشانگرها میتوان به جنس سنگ، اشباع سیالات، تخلخل، سیالات فرعی و ... اشاره کرد که باعث ناکار آمدی نشانگرها و در نتیجه منجر به پیش تخمین ناصحیح از مخازن نفت و گاز میگردد. همچنین در اکثر مواقع استفاده از روشهای لکههای روشن و تغییرات دامنه در مقابل دورافت برای سنگهای دوره پالئوزیک و سنگهای کربناته با مشکلاتی همراه میباشد.
تحقیقات چوپرا و همکاران [4] در سال - 2006 - در تخمین محدوده مخزن هیدروکربنی با استفاده از نشانگر بافت لرزهای، مشکلات ذکر شده را به حداقل رساند و منجر به تخمین صحیح محدوده مخازن هیدروکربنی شد. یانگو و همکاران [5] در سال - 2010 - با استفاده از نشانگر بافت لرزهای موفق به تخمین صحیح مخازن هیدروکربنی شدند. کانالهای رسوبی از مکانهای احتمالی تجمع هیدروکربن میباشند وشناسایی آنها از نظر اقتصادی مورد اهمیّت میباشد. گائو [3] در سال - 2003 - با کاربرد نشانگر بافت لرزهای نشان داد که میتوان محدوده کانال را مشخص کرد. تلاشهای خیگو و همکاران [6] در سال - 2011 - منجر به تعیین صحیح پارامترهای نشانگر بافت لرزهای در تشخیص محدوده کانالهای رسوبی گردید. در این تحقیق، محدوده یک مخزن هیدروکربنی با استفاده از نشانگر بافت لرزهای مشخص شده است.
.2 روش و مراحل تحقیق
بافت یکی از ویژگیهای مهم مورد استفاده در شناسایی اشیا و یا مناطق مورد نظر در یک تصویر است، چه تصویر یک فتومیکروگراف باشد و یا یک تصویر ماهوارهای. متن یا بافت را میتوان بعنوان نرم، درشت یا صاف مورد ارزیابی قرار داد؛ یا همچنین مواج، نامنظم یا خطی. برای مثال در مناطق استوایی مرطوب، بافت نرم در یک تصویر راداری میتواند نشان دهنده سنگهای رسوبی ریز دانه و غیر مقاوم باشد، در حالیکه بافت درشتتر نشان دهنده سنگهای آذرین دانه درشتتر باشد. بافت پشتهای میتواند سنگهای اذرین فرسایش یافته را نمایش دهد. در حوزه تصویری ارتعاشی، بافت توسط چیدمان فضایی انباشتگی مجاور تعریف میشود و بیشتر نشانگر قابلیت تغییر فضایی انباشتگی نسبت به انباشتگی میانگین برای جداسازی ویژگیهای ارتعاشی است.
نشانگر بافت لرزهای اندازهگیری آماری از دامنه میباشد و میزان هموار بودن و ناهموار بودن یک تصویر را اندازه میگیرد. نشانگر بافت لرزهای ویژگی آماری از ماتریس GLCM - gray-level co-occurrence matrix - را ارائه میدهد. نشانگر بافت لرزهای به الگوی مشخصهای ارجاع میکند که توسط شدت و تغییرات نمونههای انباشتگی مجاور در موقعیتی فرضی در فضای تصویری تعریف شدهاست. ماتریس GLCM مشخصههای بافتی را از طریق ماتریس هم رویداد که تصویر کننده روابط یا الگوهای فضایی انباشتگیهای مجاور است، استخراج میکند. ماتریس GLCM یک ماتریس دو بعدی میباشد که ستونهای این ماتریس، بیانگر پاسخ دامنه نقطه مرجع و سطرهای آن، دامنه محل همسایگی است.
ماتریس GLCM اگر در ناحیهای قرار داده شود که بازتابندهها پیوسته باشند، تراکم را در قطر اصلی ماتریس مشاهده خواهیم کرد. در مورد بازتابندههای ناپیوسته تراکم در درایههای دورتر از قطر میباشد و نواحی کم دامنه بر روی قطر اصلی قرار میگیرند. اگرچه این ماتریس اطلاعاتی نظیر بالا را در اختیار ما قرار میدهد اما برای شناسایی و تفسیر رخسارههای لرزهای از ویژگیهای آماری آن استفاده میکنیم. بر پایه ماتریس GLCM ، الگوریتم دستهای از نشانگر بافت لرزهای را بعنوان عبارات عددی بافت را مورد محاسبه قرار میدهد. از ویژگیهای آماری ماتریس GLCM میتوان به میزان انرژی، همگنیت و آنتروپی اشاره کرد.نشانگر انرژی بافت لرزهای میزان نایکنواختی بافت را در یک تصویر اندازه میگیرد. مقدار نشانگر انرژی بافت لرزهای از رابطه زیر محاسبه میشود:
در رابطه - 1 - ، i ، j و P به ترتیب تعداد سطرها، ستونها و درایههای ماتریس GLCM میباشد. مقدار نشانگر انرژی بافت لرزهای هنگامی کم میباشد که مقادیر تمام درایه های ماتریس GLCM برابر باشند و برای مشخص کردن پیوستگیها مناسب میباشد.نشانگر همگنیت بافت لرزهای بیانگر میزان یکنواختی و صافی یک تصویر میباشد و تشابه پیکسلها را اندازه میگیرد و مقدار آن برای اجزائی که نزدیک قطر اصلی ماتریس قرار گرفتهاند، بالا میباشد. نشانگر همگنیت بافت لرزهای از رابطه زیر محاسبه میگردد:
در رابطه - 2 - ، i ، j و P به ترتیب تعداد سطرها، ستونها و درایههای ماتریس GLCM میباشد. نشانگر آنتروپی بافت لرزهای میزان بی نظمی یا پیچیدگی تصویر را اندازه میگیرد. هنگامی مقدار آن زیاد میباشد که بافت یکنواخت نباشد . در این مواقع بسیاری از درایههای ماتریس GLCM دارای مقادیر کم میباشند. نشانگر آنتروپی بافت لرزهای را از رابطه زیر محاسبه می کنند.به ترتیب تعداد سطرها، ستونها و درایههای ماتریس GLCM میباشد.
.3 ارائه و تحلیل نتایج
منطقه مورد مطالعه حوضه رسوبی دریای شمال میباشد که در طول دوره مزوزوییک دچار کشیدگی شده است. آخرین دورهی تکتونیک فعال محلی در دوره میوسن میانی بوده و در اواخر دوره میوسن تعداد زیادی واحدهای لرزهای- چینهای یک سیستم دلتایی بادبزنی را نشان میدهد. بارگذاری یخ و گسلهای موجود، تکتونیک نمکی را تحت تاثیر قرار دادهاند. کانالهای یخچالی پیوستگی رسوبات را از بین برده و مسیری برای عبور سیالات و گازها ایجاد کرده است که اثر آن روی کف دریا به شکل خروج حباب گاز مشخص است.دامنه دادههای لرزهای در یک مقطع زمانی به نمایش آمده است - شکل شماره . - 1
همانگونه که در شکل مشخص است با استفاده از دامنه دادههای لرزهای، هیچگونه اطلاعاتی از محدوده مخزن گاز نمیتوان به دست آورد. اختلاف دامنههای محدوده مخزن هیچ کمکی به شناسایی آن نمیکند اما اندازهگیری آماری دامنهها و میزان تشابه آنها، با استفاده از نشانگر بافت لرزهای اطلاعات مفیدتری را در مورد بافت و محدوده مخزن گاز در اختیار ما قرار میدهد. در - شکل شماره - 2 نشانگر انرژی بافت لرزهای اعمال شده است. همانگونه که در شکل نمایان است مقدار آن در محدوده مخزن گاز بالا میباشد. مقادیر بالای نشانگر همگنیت بافت لرزهای در محدوده مخزن گاز نشان دهنده بافت یکنواخت آن میباشد، - شکل شماره . - 3 یکنواخت بودن بافت مخزن و اختلاف کم دامنههای لرزهای محدوده مخزن، منجر به کاهش مقدار نشانگر آنتروپی بافت لرزهای میشود - شکل شماره . - 4
