چکیده: تعیین ویژگی‌های پتروفیزیکی و مخزنی از اهداف مهم اکتشاف نفت است. برای تخمین ویژگی‌های پتروفیزیکی و مخزنی با اطمینان بالا، استفاده از انواع داده‌های لرزه‌ای و چاه‌نگاری به‌صورت مکمل ضروری است. با استفاده از نشانگرهای لرزه‌ای، اطلاعات پنهان‌شده در داده‌های خام لرزه‌ای استخراج می شوند و با یافتن روابطی میان نشانگرهای لرزه‌ای و پارامترهای پتروفیزیکی مخزن در مکان چاه‌ها، می‌توان توزیع این پارامترها را در سایر نقاطی که داده‌های حاصل از نگارهای چاه وجود ندارند با دقت بهتری به دست آورد. مشکل اساسی که در راه تلفیق داده‌های لرزه‌ای و داده‌های چاه وجود دارد، روش ادغام این داده‌ها با یکدیگر به‌منظور تخمین خصوصیات مخزن می‌باشد. تحقیقات زیادی در این زمینه انجام‌شده است که امکان برآورد خصوصیات پتروفیزیکی مخزن را با استفاده از داده‌های لرزه‌ای (خام و نشانگرها) و نگارهای چاه‌نگاری نشان می‌دهد. این مطالعات که تحت عنوان کلی تحلیل چند نشانگری انجام شده‌اند، اکثراً با استفاده از روش‌های متداول رگرسیون و یا شبکه‌های عصبی به تلفیق داده‌های لرزه‌نگاری و چاه‌نگاری پرداخته‌اند و به نتایج قابل ‌ملاحظه‌ای در توصیف و تخمین توزیع پارامترهای پتروفیزیکی مخزن رسیده‌اند. از دیگر روش‌های تلفیق داده‌های لرزه‌ای و چاه‌نگاری روش‌های طبقه‌بندی چند نشانگری می‌باشند. روش طبقه‌بندی آدابوست که در سال‌های اخیر توجه بیشتری به آن شده است و امروزه جزو الگوریتمهای برتر داده‌کاوی محسوب می‌شود. ویژگی برجسته آدابوست تنظیم طبقه‌بندی کننده‌ها در مرحله یادگیری است. این الگوریتم که نسبتاً ساده است و سرعت بالایی دارد تا حد زیادی مشکل بیش برازش سایر روش‌ها را حل می‌کند. در این پایان‌نامه از روش آدابوست به‌منظور طبقه‌بندی چندنشانگری در مطالعات لرزه‌نگاری بازتابی جهت طبقه‌بندی یک افق بر اساس اطلاعات پتروفیزیکی و شناسایی ساختارهایی نظیر گنبد نمکی استفاده می‌شوند. به این ترتیب دقت طبقه بندی ‌افق لرزه ای بر مبنای تخلخل 78 درصد بوده است. همچنین در بخش تعیین مزرهای گنبد نمکی از اطراف و کف گنبد نمکی، دقت 94 درصد بوده است. در مقایسه با روش طبقه بندی SVM که دارای دقت 91 درصد است، طبقه بندی با روش آدابوست دقت بالاتر دارد.