عنوان پایان‌نامه
تضعیف نوفه تصادفی داده های لرزه ای چند مولفه ای با استفاده از تجزیه مقدار تکین در حوزه فرکانس
- رشته تحصیلی
- ژئوفیزیک-لرزه شناسی
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 58443;کتابخانه موسسه ژئوفیزیک شماره ثبت: 882
- تاریخ دفاع
- ۲۸ شهریور ۱۳۹۱
- دانشجو
- هادی عزیزپورلیندی
- استاد راهنما
- حمیدرضا سیاه کوهی, علی غلامی
- چکیده
- این مطالعه یک روش آماری جدید بر پایه تجزیه مقدار تکین در حوزه فرکانس- دورافت، برای دستیابی به نسبت سیگنال به نوفه بالا معرفی می¬کند که روی داده¬های لرزه¬ای چند مولفه¬ای با محدوده گسترده فرکانسی اعمال می¬شود. اجرای این روش دارای 5 مرحله اصلی زیر است: 1- داده¬های لرزه¬ای چند مولفه¬ای در حوزه فرکانس- دورافت به پنجره¬های هم اندازه که حداکثر همپوشانی را با هم دارند تقسیم می¬شوند و هر پنجره به شکل یک بردار بازآرایی می¬شود. 2- با کنار هم قرار دادن این بردارها، ماتریسی به وجود می¬آید که شامل اطلاعات همه گیرنده-ها در تمامی مولفه¬ها و فرکانس¬ها است. 3- با تشکیل ماتریس کواریانس طیفی از ماتریس مذکور و استفاده از ابزار تجزیه مقدار تکین، بخش¬های مشابه اطلاعات موجود در این ماتریس استخراج می¬شود. 4- به دلیل ابعاد بزرگ ماتریس کواریانس مذکور، انجام تجزیه مقدار تکین بر روی آن بسیار زمانبر بوده و مستلزم انجام محاسبات بسیار است به همین دلیل در این مرحله ماتریس کواریانس طیفی کاهش یافته معرفی می¬شود که به کمک آن حجم محاسبات بسیار کاهش می¬یابد. 5- جدایی امواج لرزه¬ای اولیه از نوفه¬ها از طریق انتخاب ویژه¬بردارهای غالب که متناظر با بالاترین ویژه¬مقادیر ماتریس کواریانس طیفی کاهش یافته هستند به دست می¬آید. در این مطالعه به دلیل استفاده از حوزه فرکانس- دورافت، شرایطی بوجود می¬آید تا بازتابنده¬های شیبدار و ناپیوسته به وسیله تجزیه مقدار تکین تخمین زده شوند. از طرف دیگر در این روش با اعمال تجزیه مقدار تکین روی ماتریس کواریانس داده¬ها، شباهت¬ها بین عناصر پنجره¬های مختلف داده در حوزه فرکانس- دورافت شناسایی می¬شود که این امر سبب دستیابی به نتایج بهتر نسبت به نتایج استفاده از عملگرهای هموارکننده در آن حوزه می¬گردد و دلیل اصلی برتری این روش نسبت به روش¬های قبلی جایگزین کردن ماتریس کواریانس مذکور با ماتریس کواریانس دیگری است که بعد آن کاهش ¬یافته است. با بهره¬گیری از این ماتریس استفاده از تجزیه مقدار تکین بسیار راحت می¬شود و سرعت انجام آن افزایش می¬یابد. نتایج استفاده از این روش روی داده¬های مصنوعی و واقعی نشان می¬دهد که روش پیشنهادی نسبت به روش¬های مرسوم دارای دقت بالاتری بوده و از لحاظ زمانبر بودن به طور چشمگیری بهبود یافته است.
- Abstract
- In seismic exploration, a seismic wavelet is sent to the earth layers and seismic wavefield is recorded by linear arrays of multi-component antenna due to the impedance mismatches between different geological layers. The recorded geophysical data is often contaminated by multiple interference and random noise. The main objective of seismic data processing is to enhance the signal to noise ratio, as well as identify different wave fields to obtain a better image of the earth reservoir. This thesis presents a method of attenuating noise of multicomponent seismic data. A spectral covariance matrix of seismic wavefield data in F-x domain is formed and in order to avoid dealing with very large matrixes, the reduced dimensional spectral covariance matrix is estimated by means of singular value decomposition (SVD). By finding the highest eigenvalues of the reduced dimensional covariance matrix we are able to separate the desired seismic waves from the noise. The results have shown that the proposed algorithm outperforms the conventional separation technique in terms of accuracy and complexity
