عنوان پایان‌نامه

جدایش آنومالی های منطقه ای و محلی گرانی با استفاده از تبدیل موجک و آنالیز طیفی



    دانشجو در تاریخ ۳۱ شهریور ۱۳۹۲ ، به راهنمایی ، پایان نامه با عنوان "جدایش آنومالی های منطقه ای و محلی گرانی با استفاده از تبدیل موجک و آنالیز طیفی" را دفاع نموده است.


    رشته تحصیلی
    ژئوفیزیک-گرانی سنجی
    مقطع تحصیلی
    کارشناسی ارشد
    محل دفاع
    کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 60228;کتابخانه موسسه ژئوفیزیک شماره ثبت: 928
    تاریخ دفاع
    ۳۱ شهریور ۱۳۹۲
    دانشجو
    جعفرصادق مصطفی نژاد
    استاد راهنما
    وحید ابراهیم زاده اردستانی
    چکیده
    لینک فایل چکیده
    از مهمترین مراحل اکتشافات گرانی¬سنجی، جداسازی ناهنجاری¬های منطقه¬ای(عمیق) و ناهنجاری¬های باقیمانده(سطحی) است. روش‏های متعددی برای جداسازی آنومالی‏ها وجود دارد. یکی از روش¬های مرسوم جداسازی ناهنجاری‏ها، استفاده از روش تبدیل موجک است. موجکها می‏توانند بر اساس معیار‏های مختلف مانند تشابه بین سیگنال و موجک‏های مادر ، میزان پیوستگی آنتروپی کمینه، برای بررسی آنومالی‏ها انتخاب شوند. یکی از انواع روش‏های جداسازی به کمک تبدیل موجک، روش تبدیل موجک و آنالیز طیفی می‏باشد. اساس روش تبدیل موجک و آنالیز طیفی ، اولین بار توسط خو‏یا در سال 2009 پیشنهاد شد. این روش آنومالی‏ها را بر اساس مشخصه‏ی فرکانسی آنها جدا می‏کند. در روش تبدیل موجک و آنالیز طیفی، ابتدا با تجزیه و تحلیل طیف توان داده¬ها، به تخمین لایه¬های معادل گرین داده¬ها پرداخته و محدوده‏ی فرکانسی هر کدام از لایه‏ها را مشخص می‏کنیم، سپس با استفاده ازاطلاعات بدست آمده موجک را بر داده‏ها اعمال می‏کنیم. موجک مادر استفاده شده برای این منظور، موجک هالو است که به نوعی تصحیح یافته‏ی موجک مورلت است. موجک هالو یک نوع فیلتر پایین‏گذر است. آنومالی‏های با ابعاد بزرگ و منطقه‏ای دارای طول موج‏های بلند هستند و در نتیجه فرکانس‏های پایین را شامل می‏شوند و در مقابل، آنومالی‏های با ابعاد کوچک و سطحی معمولاَ دارای طول موج‏های کوتاه هستند و در نتیجه طول فرکانس‏های بالا را شامل می‏شوند. بنابراین با اعمال موجک هالو بر روی داده‏ها، فرکانس‏های بلند یا همان آنومالی‏های سطحی و کم‏عمق تضعیف می‏شوند. با کم کردن اثر باقیمانده از آنومالی بوگه، در نهایت آنومالی باقیمانده بدست خواهد آمد. برای سنجش کارایی این روش، ابتدا روش را بر روی داده‏های مدل مصنوعی اعمال می‏کنیم که شامل مدل دو کره در ابعاد بزرگ، دو کره در ابعاد کوچک و مدل ترکیب مکعب‏ها است. سپس بر روی مدل‏های ذکر شده 5% و 10% اعمال نوفه کرده و روش فوق را مورد سنجش قرار می‏دهیم. در مرحله‏ی بعد روش فوق را بر روی داده‏های واقعی ناحیه چابهار اعمال کرده و با نتایج روش ادامه‏ی فراسو، که خود یکی از روش‏های جداسازی آنومالی‏ها است، مقایسه می‏کنیم. مشاهده می‏شود که ناهنجاری باقیمانده از روش فراسو تا حد زیادی شامل اثرات منطقه‏ای است، در حالی که روش تبدیل موجک و آنالیز طیفی تا حدودی بهتر توانسته این اثرات را حذف کند.
    Abstract
    We propose the separation of gravity anomalies by using wavelet and choose rational decomposition results based on spectrum analysis and their depth estimation results. In practice, the liner fitting results of different spectrum segments are plotted on the semi-log plot of energy spectrum versus radial wave number for convenience. The slopes of the best-fit straight lines of spectrum segments of logarithm energy spectrum versus radial wave number plot indicate the average depth of the sources. The spectrum of total gravity anomaly can be divided into some frequency ranges. Wavelets can be selected for anomaly analysis according to some criteria, such as similarity between signal and mother wavelet, minimum entropy compactness criterion. In this paper, we select the wavelet according to its frequency response character. In this method, anomalies are separated based on their frequency character. By using of spectral analysis of data, estimated the equivalent stratum data and frequency domains of layers are specified. Then the wavelet transform is applied based on the result of spectral analysis. The average depths estimated from radial power spectrum and used to establish the relationship between the separation anomalies and buried geologic unit. The mother wavelet is Halo wavelet that is a modification of the Morlet wavelet. It is a low-pass filter. From the spectral analysis, the regional anomaly energy is mainly concentrated in low-frequency band, while the local anomaly energy is dominated in high-frequency band. The two anomalies have different spectral distribution characteristics. Therefore, it is feasible to separate anomalies of different frequency bands. By applying wavelet on the data, high frequencies associated with shallow (near surface) anomalies are attended. Regional anomaly is obtained by subtracting regional effect from Bouguer anomaly. The method is first applied to the synthetic model containing Cubic and spheres. The results from interpretation of real data are compared with the ones obtained from conventional separation method of upward continuation. In both cases, the regional field has been well separated from the local field.