عنوان پایان‌نامه
تجزیه زمان- فرکانس بر مبنای تنکی و کاربرد آن در تحلیل داده های لرزه ای
- رشته تحصیلی
- ژئوفیزیک-لرزه شناسی
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 57979;کتابخانه موسسه ژئوفیزیک شماره ثبت: 858
- تاریخ دفاع
- ۲۵ شهریور ۱۳۹۱
- دانشجو
- حمید ستاری
- استاد راهنما
- حمیدرضا سیاه کوهی, علی غلامی
- چکیده
- تجزی? طیفی1 نقش مهمی در پردازش و تفسیر سیگنالهای لرزهای دارد بطوریکه از آن به عنوان یکی از نشانگرهای پس از برانبارش در اکتشاف ذخایر هیدروکربنی استفادههای زیادی میشود. برای به دست آوردن تجزی? طیفی یک داد? لرزهای از تبدیلهای زمان-فرکانس متفاوتی استفاده میشود که تبدیل فوری? زمان-کوتاه (STFT) یکی از انواع متداول آنها است. هرچه تفکیک پذیری و قابلیت تطابق با تغییرات محلی سیگنال برای تبدیل زمان- فرکانس مورد استفاده در تجزی? طیفی بیشتر باشد، نتایج به دست آمده مطلوب تر خواهد بود و به همین دلیل، محققین مختلف در زمین? پردازش سیگنال همواره در پی ارائ? تبدیلهای بهتر یا بهینه سازی تبدیلهای قبلی هستند. در این پایان نامه پس از معرفی الگوریتم غلامی و همکاران ]12[ برای تجزی? سریع زمان- فرکانس بر مبنای تنکی (موسوم به تبدیل STFT تنک)، در نظر است یک قید تنکی دیگر برای بهینه سازی لحظهای به آن اضافه شود. این امر نه¬تنها موجب افزایش تفکیک پذیری آن میشود بلکه سبب می¬گردد نقش? زمان- فرکانس حاصل، قابلیت تطابق بیشتری با تغییرات محلی سیگنال داشته باشد. از تطابق وابسته به زمان ایجاد شده میتوان در مقاصد تفسیری و پردازشی سیگنالهای ناپایای لرزهای که حاوی مؤلفههای فرکانسی شدیداً متفاوتی در راستای زمان هستند بهره گرفت. برای نشان دادن توانمندی این تبدیل و تأثیر بهینه سازی اضافه شده به آن، از هر دو حالت پنجره بهینه و پنجره ثابت تبدیل حاصل، برای تجزی? طیفی چندین داد? مصنوعی و واقعی با اهداف تضعیف نوفه، تفکیک لایههای نازک و شناسایی مخازن گازی با استفاده از تحلیل دامنه بر حسب دورافت (AVO) در حوز? فرکانس مورد استفاده قرار گرفته است و تأکید این پایان نامه بیشتر روی همین کاربردهای تفسیر و پردازشی است.
- Abstract
- Spectral decomposition plays an important role in seismic data processing and interpretation such that it is widely used as one of the post-stack hydrocarbon indicators. There are sevaral time-frequency transforms used for spectral decomposition which the short-time Fourier Transform (STFT) is one of the usual kinds of them. Spectral decomposition is a non-unique process, thus a single seismic trace can produce various time-frequency representations. This can be done using variety of time-frequency transforms but what maters is, the more time-frequency transform has high resolution, the more reliable results will be. Therefor researchers in the field of signal processing always are seeking more robust transforms or optimization of the previous ones. In this thesis, the fast algorithm for L1 norm Sparse Time-Frequency Decomposition presented by Gholami et.al (2010) is briefly introduced and then an extra sparsity constraint has been supplemented for instantaneous optimization. This not only improves the resolution but also makes the time-frequency map of the signal plane more adaptive to local changes of the signals. Applications of the time-dependent adaptiveness are developed to promote seismic data processing and interpretation. The achieved adaptiveness is a good device for processing and interpretation of non-stationary seismic signals having dramatically different frequency components. In order to highlight the efficiency of the transform and its supplemented optimization, both final optimized and non-optimized version of the transform are used for decomposition of real and synthetic seismic data. Considering processing and interpretational purposes of random noise attenuation, thin bed characterization and gas reservoir detection using amplitude versus offset analysis in frequency domain, in this thesis we tested the efficiency of the method on these applications. Since random noise attenuation and thin bed characterization are also affective on the case of gas reservoir detection, we compared the results of the sparse STFT with those of STFT, adaptive STFT and S transform (as some usual types of time-frequency transforms) and finally the result of using Hampson-Rossel commercial software pakage for AVO is tagged.
