عنوان پایان‌نامه
منظم سازی تخمین فاز ناپایا با استفاده از بیشینه سازی کورتوزیس محلی
- رشته تحصیلی
- ژئوفیزیک-لرزه شناسی
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 80021;کتابخانه موسسه ژئوفیزیک شماره ثبت: 1367;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 80021;کتابخانه موسسه ژئوفیزیک شماره ثبت: 1367
- تاریخ دفاع
- ۱۳ مهر ۱۳۹۵
- دانشجو
- فاطمه شیروانی شیری
- استاد راهنما
- حمیدرضا سیاه کوهی, علی غلامی
- چکیده
- فاز به عنوان مهم‌ترین مشخصه سیگنال‌های لرزه‌ای، یکی از نشانگرهای کلیدی و ناپایدار لرزه‌ای است که نقش مهمی را در شناسایی امپدانس لایه‌های مختلف در مقاطع لرزه‌ای ایفا می‌کند. این موضوع را می‌توان دلیلی بر اهمیت فوق‌العاده زیاد مسئله تخمین فاز موجک لرزه‌ای طی مراحل پردازش و تفسیر داده‌های لرزه‌ای با تفکیک‌پذیری بالا دانست. طی سال‌های اخیر، روش‌هایی در حوزه آمار مرتبه بالا ایجاد شدند که با اعتبار بالایی می‌توانند برای تخمین موجک‌های با فاز مرکب مورد استفاده قرار گیرند. این روش‌ها ضمن استفاده از توابع کواریانس مرتبه بالای داده (کومولانت) باعث حفظ اطلاعات فازی شده و در نهایت به بازیابی موجک می‌پردازند. فرضیه این است که سری ضرایب بازتاب، دارای توزیع غیرگوسی و به لحاظ آماری یک فرآیند تصادفی مستقل است. روش مورد بحث در این پایان‌نامه، کومولانت مرتبه چهار داده را برای تخمین فاز موجک لرزه‌ای مورد استفاده قرار می‌دهد. کشیدگی به عنوان کومولانت مرتبه چهار سیگنال لرزه‌ای، با اندازه‌گیری میزان انحراف سیگنال از حالت گوسی و طرح آن در قالب بیشینه‌سازی، فاز بهینه موجک را در محل نمونه زمانی مورد نظر آشکار می‌سازد. در راستای تحقق این امر، فاز ناپایای لرزه‌ای نیز با استفاده از دو روش پنجره‌ای و منظم‌سازی تخمین زده می‌شود. در روش پنجره‌ای ضمن بیشینه‌سازی کشیدگی، فاز بهینه در محل نمونه زمانی مورد نظر انتخاب می‌گردد و در نهایت فاز ناپایا با اعمال رابطه درون‌یابی خطی بین نقاط ارزیابی مورد نظر، برای تمام نمونه‌های زمانی تخمین زده می‌شود. متأسفانه ضمن مواجهه با ایرادات این روش و به دنبال حل نمودن آن‌ها، از روش دیگری تحت عنوان منظم‌سازی به عنوان روش دوم استفاده می‌شود. در این روش با طرح مسئله در قالب نشانگرهای محلی و ایجاد یک مسئله بهینه‌سازی حداقل مربعات منظم‌شده، فاز ناپایا برخلاف روش قبل به یک‌باره برای تمامی نمونه‌ها تخمین زده می‌شود؛ لذا این امر، پایداری و صحت روش منظم را در قیاس با روش پنجره‌ای نشان می‌دهد. با استفاده از فازهای تخمینی سیگنال مورد نظر تحت چرخش قرار می‌گیرد به‌گونه‌ای‌که، واهمامیخت فازهای تخمینی با سیگنال مورد نظر، تقریبی از سیگنال با فاز صفر را در محل قرارگیری هر بازتابنده آشکار می‌سازد. همچنین اعمال دو روش مذکور بر روی مدل‌های مصنوعی و واقعی متفاوت، دقت هر روش در تخمین سیگنال با فاز صفر را مورد مقایسه قرار می‌دهد.
- Abstract
- Phase as the most important characteristic of seismic signals is one of the key and unstable seismic attributes that performs an important role in identifying the impedance of the various layers in seismic sections. This could be regarded on the reason for the extraordinary importance of the seismic wavelet phase estimation problem during the processing and interpretation strategies of high-resolution seismic data. In recent years, methods have been developed in the field of high-order statistics that can reliably estimate a mixed-phase wavelet. These methods use high-order covariance functions of the data called cumulants, which retain phase information and allow recovery of the wavelet. The assumption is that the reflection coefficient series has a non-Gaussian distribution and statistically independent random process. In this thesis, we use the fourth order cumulant for estimating the phase of a seismic wavelet. Kurtosis as the fourth order cumulant of seismic signals can reveal the optimum phase of each time sample by measuring the amount of signal deviations from Gaussianty and its design in terms of maximizing. The goal of this work is nonstationary phase estimation by using windowed and regularized method, respectively. In the first method, the optimum phase of each intended time sample is selected by kurtosis maximiziation, then linear interpolation between evaluation positions reveals the nonstationary phase of all samples. Unfortunately, because of the drawbacks of this method and seek to solve them we use the regularization method as the second method. In this method, the nonstationary phase of all samples can be estimated by posing the problem in terms of local attributes and creating a regular least squares optimization problem. Therefore, this point shows the consistency and accuracy of the second method in comparison to the first method. Deconvolution of the estimsted phase with the intended signal approximatly reveals the zero phase signal of each reflector. At the end, the accuracy of each method in estimating the zero phase signal is compared by applying two mentioned methods on the different synthetic and real models. Key words: Nonstationary phase, seismic attributes, impedance, high-resolution, high-order statistics, kurtosis, wavelet estimation, mixed-phase signal, non-Gaussian distribution, cumulant, deconvolution, regularization, zero-phase signal.
