عنوان پایان‌نامه

کاربرد نشانگرهای طیفی لحظه ای بهروش تعقیب تطابق در تشخیص کانالهای نفت گیر



    دانشجو در تاریخ ۲۱ شهریور ۱۳۹۰ ، به راهنمایی ، پایان نامه با عنوان "کاربرد نشانگرهای طیفی لحظه ای بهروش تعقیب تطابق در تشخیص کانالهای نفت گیر" را دفاع نموده است.


    رشته تحصیلی
    ژئوفیزیک-لرزه شناسی
    مقطع تحصیلی
    کارشناسی ارشد
    محل دفاع
    کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 49525;کتابخانه موسسه ژئوفیزیک شماره ثبت: 708
    تاریخ دفاع
    ۲۱ شهریور ۱۳۹۰
    دانشجو
    رضا محبیان
    استاد راهنما
    محمدعلی ریاحی

    سیگنال لرزه¬ای سیگنالهای ناپایا هستند بطوریکه محتوای فرکانسی آنها با زمان تغییر می کند بنابراین یک تبدیل یک بعدی به فضای فرکانس برای برخی از اهداف پردازشی کافی نیست و نیاز است که سیگنال به یک فضای دو بعدی زمان-فرکانس انتقال داده شود. روش تجزیه طیفی یک روش کلی و جامع است که می¬تواند در این زمینه مورد استفاده قرار گیرد. تجزیه طیفی روش¬های مختلفی دارد که از آن¬جمله تبدیل فوریه زمان کوتاه(STFT) ، تبدیل موجک پیوسته (CWT) ، تجزیه با تعقیب تطابق (MPD) و تبدیل S را می¬توان نام برد. کاربرد این روش¬ها در تعیین چینه¬شناسی مخزن و ساختارهای زمین شناسی مانند ساختارهای ریفی و کانالهای رودخانه ای است که با دامنه رد لرزه ها در محدوده ¬¬های با کاهش ضخامت افزایش می¬یابد که این امر سبب شناسایی اینگونه رخدادها می شود بگونه ای که با افزایش فرکانس بخش¬های کم ضخامت و با کاهش فرکانس بدنه اصلی و بخش¬های ضخیمتر رخداد نمایان می شوند. کانال های پر شده با سنگ های متخلخل که بوسیله یک ماتریکس ناتراوا محصور شده اند در اکتشافات چینه¬ای از اهمیت ویژه¬ای برخوردارند و از دیرباز مورد توجه محققین بوده¬ است. علاوه بر روش¬های مذکور امروزه نشانگرهای حاصل از روش¬های تجزیه طیفی از تکنیکهای مورد علاقه مفسرین داده¬های لرزه¬ای بازتابی بشمار می روند. از این نشانگرها می¬توان دامنه لحظه¬ای، فاز لحظه¬ای، فرکانس لحظه¬ای و...را نام برد. نشانگرهای لرزه ای همچون همدوسی و نشانگرهای دیگر که به لبه حساس هستند نشانگرهای خوبی برای تشخیص عرض کانال ها می باشند اما این نشانگرها به ضخامت کانال ها حساس نیستند. در مقابل نشانگرهای طیفی لحظه ای که از روش های تجزیه طیفی بدست می¬آیند با توجه به حساسیتی که به تغییرات ضخامت کانال دارد می تواند در نشان دادن هر چه بهتر این پدیده به ما کمک کند. که در این تحقیق کاربرد این روش¬ها برای تشخیص کانال¬های رسوبی مدفون مورد بررسی قرار گرفته است و نتایج بدست آمده ارائه شده است. واژگان کلیدی: سیگنالهای ناپایا ، تبدیل فوریه زمان کوتاه، تجزیه طیفی ، تجزیه با تعقیب تطابق ، تبدیل موجک پیوسته ، نشانگرهای طیفی لحظه ای
    Abstract
    Seismic data are non-stationary which means, their frequency content varies with time. Thus, a more accurate definition of variable frequency content with time, need a transform to two-dimensional space of time-frequency. Spectral decomposition is a general and comprehensive method that eliminates many limitations of seismic data in providing geology information. Spectral decomposition has been used for a variety of applications including layer thickness determination, stratigraphic visualization, and direct hydrocarbon detection. There are a variety of spectral decomposition methods; these include the Short Time Fourier Transform (STFT), Continues Wavelet Transform (CWT) and Matching Pursuit Decomposition (MPD). Matching pursuit has been used recently in seismic signal analysis. Channels filled with porous rock and encased in a nonporous matrix constitute one of the more important stratigraphic exploration plays. Spectral decomposition has also been used to highlight channels. The spectral-decomposition images are complementary to coherence and edge-detection attribute images in that they are sensitive to channel thickness rather than to lateral changes in seismic waveform or amplitude. In this thesis, we show how spectral decomposition can be used to generate complete volumes of both peak spectral frequency and the amplitude. We begin by reviewing how we compute ISA components by using a matching-pursuit algorithm. And then we show how these Instantaneous spectral attributes help us to detect channel, for this work we use this method to delineate and detect channel on real data from one of the field in south of Iran. Key words: spectral decomposition, Instantaneous spectral attributes channels, spectral frequency, and peak spectral amplitude.