مقاله کنفرانسی سال ۱۴۰۴ فارسی

مدل سازی ساختار زون کم سرعت و ویژگی های مهندسی آن با استفاده از روش های توموگرافی انکساری لرزه ای و تحلیل چندکاناله امواج سطحی

چکیده مقاله

در پروژه های لرزه ای، آگاهی از عمق سنگ بستر و ویژگی های ژئوفیزیکی لایه های خاک بالادست برای افزایش دقت در تصحیحات استاتیکی و بازیابی دامنه داده های لرزه ای بسیار مهم است از سوی دیگر، در اختیار داشتن این اطلاعات برای طراحی ایمن و بهینه سازه های سطحی و تجهیزات استخراج و بهره برداری پس از اکتشافات نیز اهمیت فراوان دارد روش های مرسوم حفاری و نمونه برداری در مهندسی ژئوتکنیک علاوه بر هزینه های بالا و نیاز به تجهیزات سنگین، در برخی محیط ها چالش برانگیز یا حتی غیرممکن هستند به همین دلیل، روش های غیرمخرب لرزه ای که مبتنی بر استخراج مقاطع سرعت امواج P و S و تحلیل تغییرات آنها هستند، می توانند به عنوان جایگزینی مناسب به کار گرفته شوند در این مطالعه، از روش های توموگرافی انکساری لرزه ای و تحلیل چند کاناله امواج سطحی به عنوان تکنیک هایی کارآمد و مقرون به صرفه برای مدل سازی لایه های زیرسطحی نزدیک به سطح و توصیف ویژگی های مهندسی آنها استفاده شد برای این منظور، داده های لرزه ای یک منطقه در شرق کشور با اجرای مجموعه ای از پروفیل های انکساری لرزه ای گردآوری گردید تحلیل این داده ها امکان استخراج مدل لایه بندی خاک، الگوی تغییرات سرعت امواج در لایه ها، و تعیین موقعیت تقریبی سنگ بستر را فراهم ساخت در ادامه، با ترکیب مقادیر سرعت های به دست آمده و معادلات نظریه کشسانی، مجموعه ای از پارامترهای بنیادین با اهمیت بالا در مطالعات ژئوفیزیکی استنتاج گردید

کلیدواژه‌ها

عمق سنگ بستر سرعت موج P سرعت موج S ضرایب کشسانی ضریب فشار جانبی زمین در حالت سکون زاویه اصطکاک داخلی خاک

نویسندگان

تصویر الهام داننده حصاری

الهام داننده حصاری

دانشجوی کارشناسی ارشد زمین شناسی مهندسی، گروه زمین شناسی کاربردی، دانشکده علوم زمین، دانشگاه خوارزمی، تهران، ایران

تصویر احسان پگاه

احسان پگاه

استادیار، گروه زمین شناسی کاربردی، دانشکده علوم زمین، دانشگاه خوارزمی، تهران، ایران

تصویر مهدی تلخابلو

مهدی تلخابلو

استادیار، گروه زمین شناسی کاربردی، دانشکده علوم زمین، دانشگاه خوارزمی، تهران، ایران

شیوه ارجاع

�اننده حصاری، الهام و پگاه، احسان و تلخابلو، مهدی و طلایی فیروزجایی، فریده،1404،مدل سازی ساختار زون کم سرعت و ویژگی های مهندسی آن با استفاده از روش های توموگرافی انکساری لرزه ای و تحلیل چندکاناله امواج سطحی،هفتمین کنفرانس ژئوفیزیک کاربردی در اکتشاف نفت،تهران

ارائه‌شده در

پوستر مجموعه مقالات هفتمین کنفرانس ژئوفیزیک کاربردی در اکتشاف نفت مجموعه مقالات هفتمین کنفرانس ژئوفیزیک کاربردی در اکتشاف نفت23 مهر 1404 · تهران
ادامه مسیر پژوهش

مقالات مرتبط

مقاله کنفرانسی سال ۱۴۰۴ ۵۰۸ مشاهده

AI-based Fault Detection in Synthetic Seismic Data for Hydrocarbon Exploration

Automatic fault detection in seismic data is pivotal for advancing hydrocarbon exploration and geologica…

hydrocarbon explorationartificial intelligenceRandom Forest
مقاله کنفرانسی سال ۱۴۰۴ ۳۱۹ مشاهده

مروری بر کاربرد هوش مصنوعی در پردازش داده های لرزه ای و چاه نگاری

صنعت نفت برای تحلیل داده های پیچیده زمین شناسی و ژئوفیزیکی نیازمند رویکردهای نوین و هوشمند است در این پژ…

هوش مصنوعییادگیری ماشینیادگیری عمیق
مقاله کنفرانسی سال ۱۴۰۴ ۳۱۳ مشاهده

تشخیص هندسه گسل با استفاده از نشانگرهای لرزه ای و روش های هوشمند

شناسایی دقیق هندسه گسل ها یکی از مراحل کلیدی در تفسیر داده های لرزه ای و ارزیابی ساختارهای زیرسطحی در اک…

جنگل تصادفی (RF)نشانگرهای لرزه ایSVM
مقاله کنفرانسی سال ۱۴۰۴ ۲۸۵ مشاهده

بررسی خطر سونامی های محتمل ناشی از زمین لغزش زیردریایی در مکران غربی با استفاده از داده های لرزه ای بازتابی

این مقاله با تکیه بر داده های لرزه ای بازتابی، به بررسی خطر سونامی های ناشی از زمین لغزش های زیردریایی د…

سونامیزمین لغزش زیردریاییمدلسازی عددی
مقاله کنفرانسی سال ۱۴۰۴ ۲۷۰ مشاهده

یکپارچه سازی توصیف و مدیریت مخزن در توسعه راهبردهای ازدیاد برداشت نفت

توصیف و مدیریت مخزن از ارکان اساسی در بهینه سازی برداشت هیدروکربن، به ویژه در چارچوب راهبردهای ازدیاد بر…

توصیف مخزنتحلیل پتروفیزیکیازیاد برداشت نفت
مقاله کنفرانسی سال ۱۴۰۴ ۲۵۷ مشاهده

Physics-guided machine learning for acoustic impedance inversion: a comparative study of MLFN and RBFN in data-constrained in an oilfield using rock physics-based pseudo-wells

Accurate prediction of subsurface acoustic impedance is a cornerstone of seismic reservoir characterizat…

acoustic impedancerock physics modelingmachine learning