تخمین پارامترهای کشسانی از وارون کور چندکاناله مقاومت کشسانی و مقایسه آن با وارون‌سازی بیزین
توصیف پتروفیزیکی مخزن نیازمند آگاهی از پارامترهای کشسانی نظیر سرعت موج طولی ، سرعت موج برشی ، و چگالی است. این پارامترهای کشسانی را می‌توان با استفاده از داده‌های لرزه‌ای پیش از برانبارش استخراج نمود. در این مطالعه دو روش وارون‌سازی این پارامترها مورد مقایسه قرار می‌گیرد. روش اول روشی قطعی و روش دوم...
| Main Authors: | , , |
|---|---|
| Format: | Article |
| Language: | fas |
| Published: |
Shahrood University of Technology
2021-03-01
|
| Series: | پژوهش‌های ژئوفیزیک کاربردی |
| Subjects: | |
| Online Access: | https://jrag.shahroodut.ac.ir/article_1124_08d8d1e61fe21e9ed0ffbb23747b8f51.pdf |
| Summary: | توصیف پتروفیزیکی مخزن نیازمند آگاهی از پارامترهای کشسانی نظیر سرعت موج طولی ، سرعت موج برشی ، و چگالی است. این پارامترهای کشسانی را می‌توان با استفاده از داده‌های لرزه‌ای پیش از برانبارش استخراج نمود. در این مطالعه دو روش وارون‌سازی این پارامترها مورد مقایسه قرار می‌گیرد. روش اول روشی قطعی و روش دوم روشی آماری است. در روش اول در مرحله اول با استفاده از الگوریتم وارون‌سازی لرزه‌ای کور چندکاناله مدل‌های مقاومت کشسانی بلوکی با تفکیک‌پذیری بالا از مقاطع برانبارش زاویه محدود (partial angle stacks) استخراج می‌شوند. این وارون‌سازی بدون اطلاع از موجک چشمه و به صورت کور انجام می‌شود تا موجک ومدل مقاومت به طور همزمان محاسبه شوند. اهمیت این موضوع هنگامی معلوم می‌شود که بدانیم این موجک‌ها بدلیل ناهمسانگردی و طی مسیرهای متفاوت دارای محتوای فرکانسی متفاوت هستند. مرحله دوم شامل وارون مدل‌های مقاومت بدست آمده برای پارامترهای کشسانی است. به لحاظ ریاضی مقاومت کشسانی در حوزه لگاریتمی رابطه خطی با پارامترهای کشسانی دارد. با استفاده از این واقعیت وارون‌سازی مقاومت‌ها به پارامترهای کشسانی از طریق روش کمترین مربعات صورت می‌پذیرد. در روش دوم طی یک مرحله، در چارچوبی بیزین، با استفاده از تقریب خطی معادلات زوپریتس، توزیعی پسین برای هریک از پارامترهای کشسانی بدست می‌آید. استفاده از توزیع‌های بدست آمده به روش‌های گوناگونی انجام می‌شود. در این مطالعه با استفاده از توزیع‌های بدست آمده مدل با بیشترین احتمال انتخاب می‌شود. نتایج بدست آمده از هر دو روش با استفاده از داده مصنوعی و واقعی مورد ارزیابی و بحث قرار می‌گیرند و مزایا و کمبودهای آنها بیان می‌شوند. |
|---|---|
| ISSN: | 2476-5007 |