مدل‌سازی دوبعدی غیرخطی سنگ‌بستر برای اکتشاف منابع هیدروکربنی با استفاده از داده‌های گرانی منطقه کارلایل انگلستان

حوضه‌های رسوبی به‌عنوان یکی از مکان‌های مستعد وجود منابع هیدروکربنی همیشه مورد توجه بوده‌اند و مطالعه هندسه سنگ‌بستر این حوضه‌ها همواره از اهمیت خاصی برخوردار بوده است. در این مقاله از روش زیرفضا برای وارون‌سازی غیرخطی داده‌های گرانی برای مدل‌سازی سنگ‌بستر؛ که به دلیل قابلیت پایداری در برابر نوفه، ر...

Full description

Bibliographic Details
Main Authors: یاسر دهبان, علی نجاتی کلاته, محمد رضایی
Format: Article
Language:fas
Published: Research Institute of Petroleum Industry 2019-02-01
Series:Pizhūhish-i Naft
Subjects:
Online Access:https://pr.ripi.ir/article_930_d45ed5e250d58140ae386f02cb774b7f.pdf
_version_ 1818989616545398784
author یاسر دهبان
علی نجاتی کلاته
محمد رضایی
author_facet یاسر دهبان
علی نجاتی کلاته
محمد رضایی
author_sort یاسر دهبان
collection DOAJ
description حوضه‌های رسوبی به‌عنوان یکی از مکان‌های مستعد وجود منابع هیدروکربنی همیشه مورد توجه بوده‌اند و مطالعه هندسه سنگ‌بستر این حوضه‌ها همواره از اهمیت خاصی برخوردار بوده است. در این مقاله از روش زیرفضا برای وارون‌سازی غیرخطی داده‌های گرانی برای مدل‌سازی سنگ‌بستر؛ که به دلیل قابلیت پایداری در برابر نوفه، روش مناسبی برای مدل‌سازی معکوس داده‌های ژئوفیزیکی که دارای درصد نوفه زیادی هستند، استفاده‌شده است. روش زیرفضا روشی مبتنی بر تکرارهای متوالی است که در هر تکرار تغییرات پارامترهای مدل در یک زیر فضای P بعدی از زیر فضای M بعدی پارامترها به‌دست می‌آید که با استفاده از این روش، پارامترهای مدل اولیه به‌کار رفته به‌روزرسانی خواهد شد؛ بنابراین وارون‌سازی در تکرارهای متوالی طوری انجام می‌شود که در یک گام از نتایج به‌دست‌آمده از گام قبلی به‌عنوان مدل اولیه استفاده می‌شود. بردارهای پایه و تشکیل‌دهنده این زیر فضای P بعدی از آنالیز تجزیه به مقادیر منفرد ماتریس مشتقات دوم پارامترهای مدل به دست می‌آید. از این بردارهای پایه ماتریس تصویر از فضای M بعدی پارامترهای مدل به زیر فضای P بعدی از پارامترهای مدل استفاده می‌شود. تعیین پارامتر منظم‌سازی در وارون‌سازی داده‌های گرانی از اهمیت زیادی برخوردار است. روش‌های متفاوتی برای تخمین پارامتر منظم‌سازی در وارون‌سازی داده‌های گرانی وجود دارد. در این مقاله از روش اعتبارسنجی متقاطع تعمیم‌یافته برای تعیین مقدار بهینه پارامتر منظم‌سازی استفاده‌شده است. در این مقاله ابتدا وارون‌سازی داده‌های مصنوعی بدون نوفه و همراه با نوفه صورت گرفته است و سپس وارونﺳﺎزی داده‌های واﻗﻌﯽ برداشت‌شده در ﻧﺎﺣﯿﻪ کارلایل انگلستان در راﺳﺘﺎی ﯾﮏ نیم‌رخ ﺻﻮرت ﮔﺮﻓﺘﻪ اﺳﺖ ﮐﻪ ﻧﺘﺎﯾﺞ، ﻫﻤﺨﻮاﻧﯽ ﺧﻮﺑﯽ ﺑﺎ ﻧﺘـﺎﯾﺞ ﺣﺎﺻـﻞ از مقطع زمین‌شناسی در این ﻣﻨﻄﻘﻪ دارد.<br />  <br />
first_indexed 2024-12-20T19:41:19Z
format Article
id doaj.art-5f668c3c6ca747538c90eda02a8d7b09
institution Directory Open Access Journal
issn 2345-2900
2383-4528
language fas
last_indexed 2024-12-20T19:41:19Z
publishDate 2019-02-01
publisher Research Institute of Petroleum Industry
record_format Article
series Pizhūhish-i Naft
spelling doaj.art-5f668c3c6ca747538c90eda02a8d7b092022-12-21T19:28:31ZfasResearch Institute of Petroleum IndustryPizhūhish-i Naft2345-29002383-45282019-02-012897-613815210.22078/pr.2018.3188.2468930مدل‌سازی دوبعدی غیرخطی سنگ‌بستر برای اکتشاف منابع هیدروکربنی با استفاده از داده‌های گرانی منطقه کارلایل انگلستانیاسر دهبان0علی نجاتی کلاته1محمد رضایی2دانشکده مهندسی معدن، نفت و ژئوفیزیک، دانشگاه صنعتی شاهرود، ایراندانشکده مهندسی معدن، نفت و ژئوفیزیک، دانشگاه صنعتی شاهرود، ایراندانشکده فنی و مهندسی، دانشگاه ملایر، ایرانحوضه‌های رسوبی به‌عنوان یکی از مکان‌های مستعد وجود منابع هیدروکربنی همیشه مورد توجه بوده‌اند و مطالعه هندسه سنگ‌بستر این حوضه‌ها همواره از اهمیت خاصی برخوردار بوده است. در این مقاله از روش زیرفضا برای وارون‌سازی غیرخطی داده‌های گرانی برای مدل‌سازی سنگ‌بستر؛ که به دلیل قابلیت پایداری در برابر نوفه، روش مناسبی برای مدل‌سازی معکوس داده‌های ژئوفیزیکی که دارای درصد نوفه زیادی هستند، استفاده‌شده است. روش زیرفضا روشی مبتنی بر تکرارهای متوالی است که در هر تکرار تغییرات پارامترهای مدل در یک زیر فضای P بعدی از زیر فضای M بعدی پارامترها به‌دست می‌آید که با استفاده از این روش، پارامترهای مدل اولیه به‌کار رفته به‌روزرسانی خواهد شد؛ بنابراین وارون‌سازی در تکرارهای متوالی طوری انجام می‌شود که در یک گام از نتایج به‌دست‌آمده از گام قبلی به‌عنوان مدل اولیه استفاده می‌شود. بردارهای پایه و تشکیل‌دهنده این زیر فضای P بعدی از آنالیز تجزیه به مقادیر منفرد ماتریس مشتقات دوم پارامترهای مدل به دست می‌آید. از این بردارهای پایه ماتریس تصویر از فضای M بعدی پارامترهای مدل به زیر فضای P بعدی از پارامترهای مدل استفاده می‌شود. تعیین پارامتر منظم‌سازی در وارون‌سازی داده‌های گرانی از اهمیت زیادی برخوردار است. روش‌های متفاوتی برای تخمین پارامتر منظم‌سازی در وارون‌سازی داده‌های گرانی وجود دارد. در این مقاله از روش اعتبارسنجی متقاطع تعمیم‌یافته برای تعیین مقدار بهینه پارامتر منظم‌سازی استفاده‌شده است. در این مقاله ابتدا وارون‌سازی داده‌های مصنوعی بدون نوفه و همراه با نوفه صورت گرفته است و سپس وارونﺳﺎزی داده‌های واﻗﻌﯽ برداشت‌شده در ﻧﺎﺣﯿﻪ کارلایل انگلستان در راﺳﺘﺎی ﯾﮏ نیم‌رخ ﺻﻮرت ﮔﺮﻓﺘﻪ اﺳﺖ ﮐﻪ ﻧﺘﺎﯾﺞ، ﻫﻤﺨﻮاﻧﯽ ﺧﻮﺑﯽ ﺑﺎ ﻧﺘـﺎﯾﺞ ﺣﺎﺻـﻞ از مقطع زمین‌شناسی در این ﻣﻨﻄﻘﻪ دارد.<br />  <br />https://pr.ripi.ir/article_930_d45ed5e250d58140ae386f02cb774b7f.pdfگرانیمدل‌سازیغیرخطیزیرفضامنابع هیدروکربنی
spellingShingle یاسر دهبان
علی نجاتی کلاته
محمد رضایی
مدل‌سازی دوبعدی غیرخطی سنگ‌بستر برای اکتشاف منابع هیدروکربنی با استفاده از داده‌های گرانی منطقه کارلایل انگلستان
Pizhūhish-i Naft
گرانی
مدل‌سازی
غیرخطی
زیرفضا
منابع هیدروکربنی
title مدل‌سازی دوبعدی غیرخطی سنگ‌بستر برای اکتشاف منابع هیدروکربنی با استفاده از داده‌های گرانی منطقه کارلایل انگلستان
title_full مدل‌سازی دوبعدی غیرخطی سنگ‌بستر برای اکتشاف منابع هیدروکربنی با استفاده از داده‌های گرانی منطقه کارلایل انگلستان
title_fullStr مدل‌سازی دوبعدی غیرخطی سنگ‌بستر برای اکتشاف منابع هیدروکربنی با استفاده از داده‌های گرانی منطقه کارلایل انگلستان
title_full_unstemmed مدل‌سازی دوبعدی غیرخطی سنگ‌بستر برای اکتشاف منابع هیدروکربنی با استفاده از داده‌های گرانی منطقه کارلایل انگلستان
title_short مدل‌سازی دوبعدی غیرخطی سنگ‌بستر برای اکتشاف منابع هیدروکربنی با استفاده از داده‌های گرانی منطقه کارلایل انگلستان
title_sort مدل‌سازی دوبعدی غیرخطی سنگ‌بستر برای اکتشاف منابع هیدروکربنی با استفاده از داده‌های گرانی منطقه کارلایل انگلستان
topic گرانی
مدل‌سازی
غیرخطی
زیرفضا
منابع هیدروکربنی
url https://pr.ripi.ir/article_930_d45ed5e250d58140ae386f02cb774b7f.pdf
work_keys_str_mv AT yạsrdhbạn mdlsạzydwbʿdygẖyrkẖṭysngbstrbrạyạḵtsẖạfmnạbʿhydrwḵrbnybạạstfạdhạzdạdhhạygrạnymnṭqhḵạrlạylạnglstạn
AT ʿlynjạtyḵlạth mdlsạzydwbʿdygẖyrkẖṭysngbstrbrạyạḵtsẖạfmnạbʿhydrwḵrbnybạạstfạdhạzdạdhhạygrạnymnṭqhḵạrlạylạnglstạn
AT mḥmdrḍạyy mdlsạzydwbʿdygẖyrkẖṭysngbstrbrạyạḵtsẖạfmnạbʿhydrwḵrbnybạạstfạdhạzdạdhhạygrạnymnṭqhḵạrlạylạnglstạn