واهمامیخت داده‌های لرزه‌ای با به‌کارگیری نظریه بِیز

واهمامیخت یکی از مراحل مهم پردازش داده‌های لرزه‌ای است که جزو مسئله‌های بدوضع دسته‌بندی می‌شود. حل مسئله‌های بدوضع بدون اطلاعات اولیه عملاً بیهوده است و درستی این اطلاعات در کیفیت جواب نهایی تاثیر بسیاری دارد. نظریه بِیز، دیدگاه مناسبی برای وارد کردن اطلاعات اولیه در فرمول‌بندی مسئله‌های وارون است. در این مقاله واهمامیخت در چارچوب نظریه بِیز فرمول‌بندی می‌شود و جواب مسئله به‌صورت بردار بیشینه کننده توزیع احتمال پسین درنظر گرفته خواهد شد. توزیع احتمال‌های دنبال سنگین نظیر توزیع لاپلاس و کوشی که منطبق با تنک بودن سری بازتاب زمین هستند درحکم اطلاعات اولیه در حوزه مدل در نظر گرفته می‌شوند. با عرضة دو تابع پتانسیل جدید و مقایسه آنها با تابع‌های پتانسیل به‌کار‌گرفته شده از قبل، سعی در بهبود پاسخ مسئله‌  و کاهش خطای میانگین مربعات(MSE)  داریم. از روش (Iteratively reweighted least squares) IRLS به‌علت سادگی و همگرایی مناسب، در بهینه‌سازی تابع هدف استفاده می‌شود. بررسی عملکرد توزیع‌های دنبال سنگین متفاوت با استفاده از داده‌های شبیه‌سازی شده و داده‌های واقعی نشان‌دهنده کیفیت و قدرت تفکیک بسیار زیاد این روش‌ها در مقایسه با روش واهمامیخت مرسوم وینر است.