عنوان پایان‌نامه
تضعیف نوفه تصادفی داده های لرزه ای با استفاده از تبدیل موجک گسسته دو برابر چگال و روش های مختلف آستانه گیری
- رشته تحصیلی
- ژئوفیزیک-لرزه شناسی
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 65804;کتابخانه موسسه ژئوفیزیک شماره ثبت: 1071
- تاریخ دفاع
- ۱۰ شهریور ۱۳۹۳
- دانشجو
- حامد شهبازی
- استاد راهنما
- محمدعلی ریاحی
- چکیده
- انواع مهم نوفه¬هایی که در کاوش¬های لرزه¬ای وجود دارند، شامل امواج سطحی و زیر سطحی، نوفه پیشا و بازتاب¬های چند گانه است. نوفه تولید شده به وسیله دستگاه، حاصل از حرکت الکترون¬ها و ابزارهای الکتریکی ثابت، نوفه ماشینی که توسط وسایل سنگین ماشینی موجود در محوطه عملیات است، نوفه حاصل از خطوط فشار قوی که معمولأ فرکانس50 یا 60 هرتز دارند، نوفه¬ ی حاصل از حرکت کابل های متصل کننده و دستگاههای حساس ثابت تولید می شود. برای تفسیر داده¬های لرزه¬ای باید این نوفه¬ها حتی الامکان تضعیف شوند تا تفسیر صحیحی از اطلاعات بدست آمده در مورد ساختارهای زیر سطحی زمین تولید شود تا کارشناسان علوم زمین به نتایج درستی دست پیدا کنند. بنابراین برای حصول موارد ذکر شده انجام این تحقیق ضرورت دارد. مسأله¬ای که در این تحقیق مورد بررسی قرار گرفت تضعیف نوفه¬های تصادفی است. می دانیم که سیگنال نمایش فیزیکی اطلاعاتی است که از منبع به مقصد می¬رسد، و نوفه اغتشاشی است که از دریافت و تفسیر سیگنال جلوگیری می¬کند و به عبارت دیگر سیگنال مزاحمی است که سیگنال مقصد را پوشانده و شکل آن را تغییر می¬دهد. نوفه همیشه از مهم ترین مشکلات در کاوش¬های لرزه¬ای است، روش های گوناگون تضعیف نوفه شامل فیلتر کردن، حذف انتخابی فرکانس¬هایی که نوفه در آنها غالب شده است و گروه¬های آرایه ژئوفن و منبع برای تضعیف مولفه¬های ناخواسته انرژی است. که در این تحقیق از روش فیلتر کردن استفاده می¬شود. روشی که در این تحقیق برای تضعیف نوفه های لرزه¬ای استفاده می شود روش تبدیل موجک گسسته دو برابر چگال (double-density DWT) و استفاده از آستانه¬گیری¬های مختلف است. روش تبدیل موجک گسسته دو برابر چگال در هر مرحله یک شاخه تقریبات(approximate) و دوتا شاخه جزئیات (detail) دارد که عمل های آستانه گیری مختلف روی شاخه تقریبات اعمال می¬شود. برای تولید دو شاخه جزئیات، سیگنال همامیخت شده با یک موجک دلخواه، از یک فیلتر بالا گذر عبور داده می¬شود و عمل پایین نمونه گیری با ضریب دو روی آن شاخه انجام می¬گیرد تا شاخه مذکور بدست آید. دو شاخه جزئیات با یکدیگر یک نمونه اختلاف دارند. شاخه تقریبات به این صورت تشکیل می¬شود که سیگنال همامیخت شده با موجک دلخواه، از یک فیلتر پایین گذر عبور داده می¬شود و عمل پایین نمونه گیری روی آن صورت می¬گیرد تا آن شاخه بدست آید. در این تحقیق روش¬های مذکور بر روی داده¬های واقعی و مصنوعی اعمال خواهد شد و آستانه¬گیری سخت، نرم و تلفیق سخت و نرم باهم مقایسه قرار گرفتند و نتایج نشان داد که تلفیق سخت و نرم جواب بهتری می دهد و بهتر عمل می کند.
- Abstract
- The purpose of this research is random noise attenuation. We know that the signal is physical representation of information arrived from source to destination, and noise is a turbulence that prevents the interpretation and revision of signals. in other words, the noise masks the received signal and changes its shape and is always the most important problem in seismic explorations. Various methods of noise attenuation are filtering, selective removal of frequencies that have been dominated by noise, and receivers and source arrays. The filtering method is used in this research. Most important noises in seismic explorations are surface and subsurface waves, pre reflections and multiples. the noise generated by instrument, as result of electrons motion and stationary electric tools, machine noise generated by heavy vehicles in the acquisition area, high-voltage lines noise that usually have frequency 50 or 60 Hz, and noise generated by connecting cables and devices are sensitive to static production. These noises must be attenuated much as possible for seismic data interpretation, because a proper interpretation of subsurface structures helps geoscientists to gain accurate results. Therefore, this research is necessary to achieve mentioned above. The applied method in this research to attenuate seismic noise is double -density DWT and use of different thresholds. The double-density DWT method has an approximate branch and two detail branches at each step and different thresholding acts are applied on approximation branch. To generate two details branches, signal convolved with a desired wavelet is passed through a high pass filter and down sampling is applied by a coefficient two on the branch, to obtain mentioned branch. The two detail branches differ together as a sample. To generate approximate branch, the signal convolved with desired wavelet is passed through a low pass filter and down sampling operation is performed on it until that branch be obtained. Mentioned methods in this study, will be applied on synthetic and real data and soft ، hard and combined soft and hard thresholding are compared with each other and result shows that combined soft and hard thresholding is beter result.
