فیلتر پخش ناهمسانگرد بهینه شده توسط شبکه استنتاج عصبی- فازی تطبیق‌پذیر و کاربرد آن در تضعیف نوفه تصادفی در داده‌های لرزه‌ای

فیلتر پخش ناهمسانگرد می‌تواند به عنوان یک روش کارآمد سطح نوفه تصادفی را در بسیاری از داده‌های کاهش دهد، هرچند در استفاده از این فیلتر برای داده‌های لرزه‌ای با سطح نوفه بالا، ‌باید جانب احتیاط را در مورد ظهور رویداد‌های غیرواقعی در مقطع رعایت نمود. در این مقاله، به عنوان یک راه‌حل به منظور مقابله با این مسئله، با معرفی یک چهارچوب هوشمندِ خودکار، خروجی بهینه فیلتر، برای هر نقطه از داده‌های ورودی، از طریق شبکه استنتاج عصبی- فازی تطبیق‌پذیر استخراج  می‌شود. آموزش شبکه عصبی-فازی، با استفاده از خروجی فیلتر پخش ناهمسانگرد و نیز خوشه‌بندی فازی و توسط الگوریتم C- Mean تعیین می­گردد. آزمایش‌های انجام شده در این تحقیق نشان می­دهد که در مقام مقایسه با فیلتر پخش ناهمسانگردِ مرسوم، روش ارائه شده به صورت محسوس، در دستیابی به مقاطع مصنوعی با نسبت سیگنال به نوفه بالاتر، حداکثر به میزان 32% عملکرد فیلتر پخش ناهمسانگرد را ارتقا داده است. در داده‌های حقیقی نیز، علاوه بر تضعیف نوفه‌های مقطع، نسبت به حفظ رویدادهای همدوس مقطع، دقیق­تر عمل کرده ‌است.