بررسی نشانگرهای لرزه‌ای مناسب به منظور برجسته‌سازی ریزگسل‌های لرزه‌ای

عنوان دوره: هجدهمین کنفرانس ژئوفیزیک ایران
کد مقاله : 1224-NIGS
نویسندگان
چکیده
شناسایی و بررسی گسل‌ها و شکستگی‌ها نقش حیاتی در اکتشاف و توسعه میدان‌های نفتی دارد. گسل‌ها و شکستگی‌ها می‌توانند ناحیه‌های‌ نفوذپذیر و متخلخلی را ایجاد کنند که نقش اصلی در جریان سیال در سنگ‌های مخزن دارند. بنابراین کسب اطلاعات درباره هندسه و ماهیت گسل‌ها در مخزن، امری ضروری است. تشخیص برخی گسل‌ها با جابجایی عمودی کم‌تر از نصف طول‌موج لرزه‌ای، در بخش‌های لرزه‌ای بسیار دشوار است. این نوع از گسل‌ها را گسل-های ریز یا گسل با وضوح کم گفته می‌شود. در این پژوهش تعدادی از نشانگرهای هندسی شامل انحنا، شباهت و احتمال گسل نازک (TFL) برای تشخیص گسل‌های کوچک معرفی شده‌اند. به منظور بالابردن تشخیص گسل، یک فیلتر با عنوان فیلتر ارتقاء گسل (FEF) استفاده شده است. روش پیشنهادی با موفقیت در مطالعه موردی میدان دریای شمال اعمال شده‌است.
کلیدواژه ها
 
Title
Investigation of suitable seismic attributes for the purpose of highlighting the small faults
Authors
Abstract
Identification and investigating of faults and fractures have a vital role in the exploration and development of oilfields. Faults and fractures can make high permeable and porous zones that have a main role in fluid flowing in reservoir rocks. Therefore it is necessary to gain information about geometry and nature of faults in the reservoir. Detection of some faults with a vertical displacement of less than half a seismic wavelength, are very difficult in seismic sections. These type of faults is called small faults or sub-resolution faults. In this study, some geometrical attributes including Curvature, similarity and Thinned Fault Likelihood (TFL) have been introduced to recognize small faults. In order to enhance fault detection, a filter entitled Fault Enhancement Filter (FEF) was used. The proposed methodology have been applied successfully in a case study of the North Sea Field.
Keywords
small faults, geometrical attributes, curvature attribute, similarity attribute, thinned fault likelihood attribute, fault enhancement filter