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...
Main Authors: | , , |
---|---|
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 |