عنوان پایان‌نامه
روش تضعیف نوفه تصادفی داده های لرزه ای با برازش چند جمله ای و حفظ لبه رویدادها
- رشته تحصیلی
- ژئوفیزیک-لرزه شناسی
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 55189;کتابخانه موسسه ژئوفیزیک شماره ثبت: 793
- تاریخ دفاع
- ۲۸ شهریور ۱۳۹۱
- دانشجو
- علیرضا یعقوبی زاده
- استاد راهنما
- حمیدرضا سیاه کوهی, علی غلامی
- چکیده
- بهبود نسبت سیگنال به نوفه (S/N) موضوع مهمی در پردازش داده¬های لرزه‌ای محسوب می¬شود. این مطالعه روی تضعیف نوفه¬های تصادفی از داده¬های لرزه‌ای با حفظ سیگنال¬ها و لبه رویدادها تمرکز دارد. اساس روش بر پایه برازش چندجمله¬ای است. روشEPPF سیگنال یک بعدی را با یک چندجمله¬ای مدل می‌کند. بدین ترتیب که هر نمونه از داده توسط نمونههای موجود در یک سری پنجره¬های شیفت داده شده تخمین زده می‌شوند. سپس پنجره با کمترین خطای برازش انتخاب شده و خروجی آن به عنوان تخمینی برای مقدار آن نمونه در نظر گرفته می¬شود. بدست آوردن مقادیر مناسب پارامترهای روش تنها با تکرار حاصل می¬شوند بنابراین در این مطالعه شکل بهبود یافته روش EPPF که در آن پارامترها به کمک منظم سازی بهینه می¬شوند، معرفی میگردد. برای اعمال روش روی داده¬های لرزه¬ای (داده دو بعدی)، در محل هر نمونه دلخواه، سیگنال¬های متفاوت یک بعدی در جهت‌های مختلف از داده لرزه¬ای ورودی استخراج می‌شوند و بعد بوسیله روش EPPF بررسی می‌شوند. در نهایت تخمین مقدار نمونه مورد بررسی در جهتی که کمترین خطای برازش را نشان داده است، انتخاب می¬شود. معمولا تعیین مقدار مناسب برای پارامترها در این روش تنها از طریق تکرار حاصل می¬شوند، ولی در این پایان¬نامه با بکارگیری روش منظم سازی، پارامترها بصورت بهینه تعیین می¬شوند که بسیار سریع¬تر از روش تکرار و خطاست. نتایج حاصل از کاربرد این روش در داده¬های لرزه¬ای مصنوعی و واقعی بیانگر این موضوع است که این روش به طور شایسته در تضعیف نوفه¬های تصادفی و حفظ لبه رویدادها کارامد می¬باشد.
- Abstract
- Improving the signal-to-noise ratio (S/N) of seismic data is an important issue in seismic data processing. This thesis focuses on suppressing random seismic noise while preserving signals and edges.We propose an edge-preserving polynomial fitting (EPPF) method which leads to good signal and edge preservation. The EPPF method assumes that a 1D signal can be modeled by a polynomial. A series of shifted windows are used to estimate any sample in a 1D signal. After that, the window with the minimum fitting error is selected and its output is assigned as the final estimate for the sample. For an arbitrary sample in 2D seismic data, several 1D signals are extracted along different directions first and then are processed by the EPPF method. After that, we select the direction with a minimum fitting error and assign its output as the final estimate for this point. In the proposed EPPF method, we determined the optimim parameters by the regularization technique rather than trial and error. Application of the method on both synthetic and real data sets show that the EPPF method suppresses the random seismic noise effectively while preserving the signals and edges.
