تضعیف نوفه های تصادفی در داده های لرزه ای با استفاده از ترکیب تبدیل زمان- فرکانس و تجزیه مُد تجربی

پایان نامه
چکیده

تصویرسازی لرزه ای به شدت به کیفیت داده های لرزه ای وابسته است. تفسیر ساختاری و چینه ای مقاطع لرزه ای که حاوی کمترین میزان نوفه تصادفی و همدوس می باشند، به مراتب راحت تر است. نوفه های متعددی در مقاطع لرزه ای دیده می شود که دسته مهمی از آن ها، نوفه های تصادفی اند. تضعیف این دسته از نوفه ها، بخصوص زمانی که نسبت سیگنال به نوفه کم باشد، بسیار دشوار است. تا کنون روش های مختلفی برای تضعیف نوفه های تصادفی ارائه شده است که هر کدام مزایا و معایب مربوط به خود را دارد. در این پایان نامه سعی شده است که از روش جدیدی برای تضعیف نوفه های تصادفی در حوزه t-f-x استفاده شود. برای این کار با استفاده از تبدیل s تعمیم یافته مقطع لرزه ای از حوزه t-x به حوزه t-f-x انتقال داده می شود و سپس در این حوزه تجزیه مُد تجربی empirical mode decomposition (emd) در راستای مکان برای یک زمان و فرکانس خاص اعمال می گردد. اولین تابع مُد ذاتی به دست آمده از روش تجزیه مُد تجربی، سریع ترین نوسانات را در داده ها نشان می دهد. به این معنی که بزرگ ترین مولفه های عدد موج (مربوط به نوفه) در اولین تابع مُد ذاتی موجود می باشد. بنابراین برای افزایش نسبت سیگنال به نوفه می توان اولین تابع مُد ذاتی را از سیگنال اصلی کسر کرد. نوفه تصادفی شامل همه فرکانس ها می باشد و برای این که بتوان نوفه تصادفی را در مقاطع لرزه ای تضعیف نمود، می توان برای هر فرکانسی روش حذف اولین تابع مُد ذاتی را اعمال کرد. حذف اولین تابع مُد ذاتی به دلیل باقی ماندن نوفه ها در سایر توابع مُد ذاتی، عملکرد بهینه ای ندارد. همچنین در مواردی که رویدادهای با شیب زیاد در مقطع لرزه ای وجود داشته باشد، به دلیل محتوای عدد موج بالای آن ها دستخوش تغییرات می گردند. روش جدید دیگری که در این پایان نامه برای تضعیف نوفه توابع مُد ذاتی مورد استفاده قرار گرفته است، مبتنی بر آستانه گذاری بازه ای بر روی توابع مُد ذاتی به جای حذف اولین تابع مُد ذاتی می باشد. استفاده از این الگوریتم جدید علاوه بر تضعیف نوفه بیشتر نسبت به روش متداول، رویدادهای شیب دار بدون تغییر باقی می مانند. در این پایان نامه الگوریتم مذکور بر روی مقاطع لرزه ای مصنوعی و واقعی اعمال شده و با روش ترکیب تبدیل فوریه و تجزیه مُد تجربی مقایسه شده است. نتایج به دست آمده، عملکرد مناسب روش های معرفی شده در این پایان‎نامه را نشان می دهد. همچنین نشان داده شده است که حذف اولین تابع مُد ذاتی در رکورد چشمه مشترک می تواند در تضعیف نوفه های همدوس زمین غلت کارآمد باشد

۱۵ صفحه ی اول

برای دانلود 15 صفحه اول باید عضویت طلایی داشته باشید

اگر عضو سایت هستید لطفا وارد حساب کاربری خود شوید

منابع مشابه

تضعیف نوفههای تصادفی مقاطع لرزهای با استفاده از ترکیب تبدیل زمان- بسامد و تجزیه مُد تجربی

تصویرسازیلرزه‌ایبه‌شدتبهکیفیتداده‌هایلرزه‌ایوابستهاست. تفسیرساختاریوچینه‌ایمقاطعلرزه‌ای کهحاویکمترینمیزاننوفه تصادفیوهمدوسهستند،بهمراتبراحت‌تراست. نوفه‌هایمتعددیدرمقاطعلرزه‌ایدیدهمی‌شودکهدستهمهمیاز آنها،نوفه‌هایتصادفی‌اند.تضعیفایندستهازنوفه‌ها، به‌خصوصزمانیکهنسبتسیگنالبهنوفهکمباشد،بسیاردشواراستتاکنون روش‌های گوناگونی برای تضعیف نوفه‌های تصادفی عرضه شده است که هرکدام مزایا و معایب مربوط به خود ر...

متن کامل

تضعیف نوفه لرزه ای همدوس با استفاده از ترکیب روش های تبدیل s تعمیم یافته و تجزیه مُد تجربی

داده های لرزه ای برداشت شده عموماً با نوفه همراه هستند. یکی از مهم ترین نوفه ها در عملیات خشکی، نوفه زمین غلت است. نوفه زمین غلت از گروه نوفه های همدوس بوده و دارای سرعت کمتر، فرکانس پایین تر و دامنه قوی تری نسبت به سیگنال هاست و به دلیل پاششی بودنش، در دورافت های نزدیک در اعماق کم و در دورافت های دورتر در اعماق زیاد، سیگنال های بازتابی را در یک منطقه بادبزنی شکل می پوشاند. روش های متعددی برای ت...

متن کامل

تضعیف نوفه های تصادفی از داده های برانبارش شدهء لرزه نگاری در حوزهء F-XY

حضور نوفه ها در لرزه نگاری امری اجتناب ناپذیر است. پاره ای از این نوفه ها ماهیت تصادفی دارند. و پاره ای همدوس هستند. به منظور ارائه تصویر صحیح از ساختارهای زمین شناسی منطقه لازم است. این نوفه ها در مراحل پردازش تضعیف شوند. در این مطالعه برای تضعیف نوفه های تصادفی روش ویژه تصویر در حوزه F-XY معرفی می شود. هدف این مطالعه ‘ تضعیف نوفه های تصادفی از مکعب داده های لرزه ای بر انبارش شده در لرزه شناس...

متن کامل

کاربرد تجزیه مقدار منفرد در تضعیف نوفه تصادفی در داده های مصنوعی و واقعی لرزه ای

حضور انواع نوفه از جمله نوفه تصادفی در داده لرزه ای همواره مشکلاتی را در استفاده از داده لرزه ای بوجود می آورد، لذا این نوع از نوفه ها باید در مراحل پردازشی تضعیف گردند. روش تجزیه مقدار منفرد بر اساس جبر خطی و بر پایه همدوسی داده بنا شده است که می تواند پدیده های همدوس افقی را در تصاویر مشخصه ابتدایی شناسایی نماید. برای تضعیف نوفه تصادفی در داده نقطه عمقی مشترک پس از تحلیل سرعت و انجام تصحیحات ...

متن کامل

منابع من

با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید

ذخیره در منابع من قبلا به منابع من ذحیره شده

{@ msg_add @}


نوع سند: پایان نامه

وزارت علوم، تحقیقات و فناوری - دانشگاه صنعتی شاهرود - دانشکده معدن و ژئوفیزیک

میزبانی شده توسط پلتفرم ابری doprax.com

copyright © 2015-2023