عنوان پایان‌نامه
کاربرد روش CEEMD دوبعدی و طیف هیلبرت در تضعیف نوفه داده های لرزه ای
- رشته تحصیلی
- ژئوفیزیک-لرزه شناسی
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه موسسه ژئوفیزیک شماره ثبت: 1047;کتابخانه موسسه ژئوفیزیک شماره ثبت: 1047;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 64509
- تاریخ دفاع
- ۲۴ شهریور ۱۳۹۳
- دانشجو
- محمدصادق پرکان
- استاد راهنما
- حمیدرضا سیاه کوهی, علی غلامی
- چکیده
- در این مطالعه کاربرد روش تجزیه مد تجربی در لرزه شناسی بررسی شده است. از آنجا که تجزیه مد تجربی یک بعدی تا حدودی در انجام پردازش داده های لرزه ای مورد مطالعه قرار گرفته است، بنابراین تمرکز بیشتر در این تحقیق بر روی تجزیه مد تجربی دوبعدی و چند بعدی است، به گونه ای که در مواردی که می توان این روش را در پردازش و تفسیر داده های لرزه ای به کارگرفت، بررسی های لازم بر روی داده های مصنوعی و طبیعی انجام شده و نتایج و همچنین نقاط قوت و ضعف آن مطرح گردیده است. همچنین در بحث تجزیه مربوط به سیگنال های ناپایا مانند سیگنال های لرزه ای ، میتوان داده را با استفاده از تجزیه مد تجربی و تبدیل هیلبرت به حوضه زمان-فرکانس تجزیه کرد و نمایشی از محتوای فرکانسی داده لرزه ای بر حسب زمان نشان داد که به آن طیف فرکانس لحظه ای یا طیف هیلبرت داده نیز گفته می شود. بنابراین خصوصیات طیف فرکانس لحظه ای که یک نوع تجزیه زمان فرکانس است نیز در این مطالعه بررسی شده و کاربرد های این روش در پردازش و تفسیر داده های لرزه ای، از جمله حذف نوفه تصادفی، حذف موج زمین غلت و تشخیص سایه های کم فرکانس مخزن نیز به وسیله مثال هایی از داده های مصنوعی و طبیعی مورد مطالعه قرار گرفته و نتایج بدست آمده نشان داده شده است.
- Abstract
- The importance of application of data decomposition methods in seismic data processing and seismic data interpretation is well-known. By using various techniques these methods decompose data into separate parts which have particular characteristics and one can omit unwanted parts or do more operation on some of them to improve characteristics of data. One of the traditional data decomposition methods is the Fourier transform which decomposes data into sinusoidal functions, but this method is not suitable for all kind of data and the output can be misleading, an example of these types of data is none-stationary data. Recently there was a great improvement in none-stationary data analysis and several various new methods have been introduced which have some advantage in comparison to traditional ones. The S-transform, short time Fourier transform, curve let transform are some data decomposition methods which are well-known in none-stationary data analysis. Another method that we can name here is the empirical mode decomposition (EMD). This method decomposes data into functions that is called intrinsic mode functions (IMF). EMD converts data into time Frequency domain by calculating instantaneous frequency from IMFs. An interesting characteristic of empirical mode decomposition is that by using IMFs one can filter the same scale of data which lay on one IMF, such a filtering is an adaptive data filtering. In the other hand by combination of IMFs and instantaneous frequency the time-frequency decomposition of data can be obtained. In this study we investigate the application of empirical mode decomposition in seismic data processing and seismic data interpretation. Because there have been some investigations on application of one dimensional EMD in seismic data processing before, so we concentrate on two dimensional and multi-dimensional EMD. For some cases which two dimensional EMD or multidimensional EMD is applicable, the investigation is made by testing the method on synthetic and real data and the advantages and disadvantages of the method are discussed. As it said for none-stationary data analysis by combination of EMD and calculating instantaneous frequency (by using Hilbert transform and analytic signal) from IMF one can transfer the data into time-frequency domain. A time frequency representation can be obtain through this way which is called Hilbert spectrum. So we also have investigated the characteristic of Hilbert spectrum and its application in seismic data processing and interpretation.
