عنوان پایان‌نامه
پردازش و تخمین پارامترهای سیگنال سونداژ تشدید مغناطیسی
- رشته تحصیلی
- ژئوفیزیک-الکترومغناطیس
- مقطع تحصیلی
- دکتری تخصصی PhD
- محل دفاع
- کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 70925;کتابخانه موسسه ژئوفیزیک شماره ثبت: 1164
- تاریخ دفاع
- ۱۳ آبان ۱۳۹۴
- دانشجو
- رضا قناتی
- استاد راهنما
- محمدکاظم حفیظی
- چکیده
- سونداژ تشدید مغناطیسی (Magnetic Resonance sounding) یک روش ژئوفیزیکی نسبتا نوین می¬باشد که جهت پی¬جویی مخازن آبی زیر سطحی مورد استفاده قرار می¬گیرد. میدان مغناطیسی منتج شده در اثر عبور یک جریان متناوب در یک آنتن سطحی، به لایه¬های زیر سطحی نفوذ کرده و باعث تهییج پروتون¬های مولکول¬های آب و تولید یک میدان الکترو مغناطیسی ثانویه شده، بطوریکه میدان ایجاد شده سبب القاء ولتاژ بسیار ضعیفی در حد نانو ولت در آنتن گیرنده می¬گردد. در میان روش¬های ژئوفیزیکی متنوع، روش سونداژ تشدید مغناطیسی به جهت حساسیت مستقیم به مولکول¬های آب از ویژگی¬های منحصر به فردی برخوردار است. از اینرو روش مذکور توانایی محاسبه کمّی توزیع آب و نیز برخی ویژگی¬های مهم هیدروژئولوژیکی آبخوان¬های زیر سطحی را دارا می باشد. سیگنال سونداژ تشدید مغناطیسی به شدت تحت تاثیر نوفه¬های الکترومغناطیسی محیطی قرار می گیرد. هارمونیک-های خطوط جریان برق و اسپایک¬های برآمده از تخلیه¬های الکتریکی با منشاء طبیعی و مصنوعی از جمله منابع اصلی ایجاد نوفه در داده¬های سونداژ تشدید مغناطیسی می¬باشند. اندازه¬گیری این سیگنال وابسته به ثبت یک ولتاژ ضعیف القاء شده در آنتن استقرار یافته بر روی سطح زمین می¬باشد. بنابراین به دلیل انرژی بسیار پایین سیگنال مورد نظر، شرایط نوفه محیطی به شدت بر روی کیفیت داده¬های ثبت شده اثر گذار است. در نتیجه اعمال روش¬های قدرتمند و موثر کاهش نوفه در زمان پردازش داده¬های سونداژ تشدید مغناطیسی جهت دستیابی به تخمین دقیق¬تری از پارامتر-های سیگنال مذکور یک ضرورت قلمداد می گردد. جهت دستیابی به هدف فوق، این رساله چهار الگوریتم با ویژگی¬های مختلف برای پردازش و تخمین پارامتر¬های سیگنال سونداژ تشدید مغناطیسی ارائه می¬دهد که عمده¬ترین ویژگی روش¬های ارائه شده بصورت خلاصه در چهار دست¬آورد، در زیر آورده می¬شود. دستاورد اوّل، دو الگوریتم برای حذف نوفه¬های اسپایکی بر مبنای فیلترSignal dependent rank-order mean (SD-ROM) و روش بهبود یافته نایمن- گایسر برای کاهش نوفه¬های هارمونیکی در حوزه زمان می باشد. الگوریتم ارائه شده برای حذف نوفه¬های اسپایکی یک روش خودکار است بطوریکه انتخاب مقدار حد آستانه به کمک یک روش آماری و بر مبنای انحراف معیار سیگنال تحت بررسی انتخاب می¬شود. تخمین نوفه¬های هارمونیکی در الگوریتم نایمن-گایسر شامل محاسبه فرکانس پایه و دامنه ها و فازهای همه¬ی سیگنال¬های هارمونیک به صورت جداگانه می-باشد. الگوریتم جدید با استفاده از اصول روش نایمن-گایسر، با ایجاد یک رابطه خطی مناسب بین فرکانس سیگنال-های هارمونیک مختلف و استفاده از بهترین برآوردگر خطی نااُریب قادر به تخمین دقیق¬تری از فرکانس پایه است. دستاورد دوّم، استفاده از الگوریتم تحلیل طیف تکین (Singular Spectrum Analysis) می¬باشد که روشی غیر پارامتری مبتنی بر تجزی? مقدار تکین است. این روش جهت تحلیل سری¬های زمانی همچنین برای کاهش سطح نوفه و برای مدل‌سازی مورد استفاده قرار می‌گیرد. آنچه که روش تحلیل طیف تکین را از دیگر روش¬های تحلیل سری¬های زمانی متمایز می کند ویژگی غیرپارامتری بودن آن و اینکه بی¬نیاز از اطلاعات اوّلیه در مورد سیگنال تحت بررسی است. از آنجا که روش تحلیل طیف تکین مبتنی بر الگوریتم تجزی? مقدار تکین می باشد و از طرف دیگر محاسبه تجزی? مقدار تکین یک سری زمانی سونداژ تشدید مغناطیسی با 20 هزار نمونه بسیار زمان بر می باشد، برای بالا بردن کارایی الگوریتم مذکور از روش تجزیه مقادیر تکین تصادفی (Randomized-SVD) بهره می بریم . دستاورد سوم، روشی دو مرحله¬ای بر مبنای تجزیه مُد تجربی و یک مسئله بهینه سازی آماری است که در این الگوریتم ابتدا پوش سیگنال سونداژ تشدید مغناطیسی بر اساس فرآیندی موسوم به تجزیه توابع مُد ذاتی به یک سری موج¬های نوسانی با میانگین صفر تجزیه می شود. این موج¬ها توابع پایه¬ای هستند که حاوی مشخصه¬های ذاتی و فیزیکی سیگنال می¬باشند و از خود سیگنال استخراج شده اند. آنگاه بر مبنای یک روش خودکار توابع مُد ذاتی حاوی نوفه شناسایی شده و حذف می¬گردند، سپس سیگنال بدون نوفه از طریق توابع مُد ذاتی باقی مانده بازسازی می¬شود. در مرحله دوّم، سیگنال بدست آمده از گام اوّل وارد یک فرآیند بهینه¬سازی آماری جهت حذف نوفه¬های باقی مانده و نیز تخمین پارامتر¬های سیگنال سونداژ مغناطیسی شامل دامنه اوّلیه V_0 و زمان واهلش T_2^*، می¬شود . دستاورد چهارم، روش ترکیبی بر مبنای تجزیه مُد تجربی بهبود یافته با آستانه گذاری تحلیل نوسانات رفع روند شده و ضابطه واریانس می¬باشد. علیرغم کارایی امید بخش و موثر روش تجزیه مُد تجربی، این روش دارای معایبی از جمله "اختلاط مُد" می-باشد که در الگوریتم پیشنهادی از تجزیه مُد تجربی تجمعی کامل برای تجزیه سیگنال استفاده می شود. همچنین مقایسه انرژی توابع مُد ذاتی بدست آمده از سیگنال سونداژ تشدید مغناطیسی و سیگنال نوفه ثبت شده قبل از اندازه¬گیری سیگنال بدلیل یکسان نبودن شرایط نوفه¬ای در زمان ثبت سیگنال سونداژ تشدید مغناطیسی و ثبت سیگنال نوفه، احتمال ایجاد خطا در انتخاب توابع مُد ذاتی حاوی نوفه وجود دارد. از اینرو برای رهایی از این مشکل از الگوریتم جدیدی تحت عنوان تحلیل نوسانات رفع روند شده برای تمایز بین توابع مُد ذاتی حاوی نوفه و توابع مُد ذاتی بدون نوفه بهره گرفته می شود. نتایج عددی حاصل از بکارگیری الگوریتم¬های پیشنهادی در پردازش و تخمین پارامترهای سیگنال سونداژ مغناطیسی مؤید این است که در مقایسه با روش¬های مرسوم، روش¬های ارائه شده در این رساله می¬توانند با دقت بالاتری پارامترهای سیگنال سونداژ تشدید مغناطیسی را تخمین زده و در نتیجه مُدل قابل اعتماد تری از ویژگی¬های هیدروژئولوژیکی مخازن زیر زمینی بدست آورند.
- Abstract
- Surface Nuclear Magnetic Resonance is a relatively new geophysical technique primarily used for water prospecting in the shallow subsurface. Magnetic fields arising from current pulses in a surface loop antenna go through the subsurface and interact with the hydrogen pro-tons of liquid water. Among the various geophysical methods, surface NMR is unique in that it is directly sensitive to water molecules. Hence it has the powerful potential to quantitatively map the water distribution with depth. Surface-NMR measurements are strongly disturbed by ambient electromagnetic interferences. The two most important are power-line harmonics and electrical discharges from both natural and anthropogenic sources. The signal measurement relies on the principle of induction that creates a weak voltage in the range of nV to a few ?V in the surface receiver loop. Due to the weakness of the signal amplitude, the conditions of ambient noise adversely affect the quality of the surface-NMR measurements. As a consequence, robust and effective noise mitigation approaches are required to acquire better estimation of the signal parameters. To achieve the aforementioned goals, in this thesis, four algorithms with different characteristics are developed and demonstrated for noise removal of the surface-NMR measurements, leading to an increase in the accuracy of the parameter estimation. As a first achievement, two algorithms for de-spiking based on signal dependent rank-order mean filter and modified Nyman-Gaiser estimation (NGE) for harmonic interference cancellation in the time domain are formulated. The proposed de-spiking strategy is an automatic method in which the thresholding criterion is calculated statistically using T-distribution checking. The Nyman-Gaiser method consists of estimating the fundamental frequency and the amplitudes and phases of all harmonics. The modified algorithm using the principles of the Nyman-Gaiser method applies a suitable linear combination of these NGE frequency estimates to produce a more accurate estimate of the fundamental frequency. Moreover, we apply Occam’s inversion as the method of reference to verify the estimation accuracy of fundamental frequency, amplitudes and phases through the MNGE procedure The second is a non-parametric and efficient post-processing workflow for surface-NMR data using the singular spectrum analysis based de-noising algorithm for noise removal which leads to an increase in the accuracy of the parameter estimation. The singular spectrum analysis is used for time series analysis in order to reduce noise level as well as modeling. Two important properties of the singular spectrum analysis distinguishing it from the other time series analysis techniques are to be as 1) non-parametric and 2) model-free method. Singular value decomposition plays a crucial role is singular spectrum analysis. As with series getting larger and larger, the computational time required for computing Singular value decomposition will be increased and this restricts the usage of singular spectrum analysis in long term time series. In order to overcome this drawback, we propose a randomized version of the singular value decomposition to accelerate the decomposition step of the algorithm. The third is a two-step noise cancelation approach based on the Empirical Mode Decomposition and a statistical method. In the first stage, the noisy signal is adaptively decomposed into intrinsic oscillatory components called intrinsic mode functions by means of the Empirical Mode Decomposition algorithm. Afterwards based on an automatic procedure the noisy intrinsic mode functions are detected, and then the partly de-noised signal is reconstructed through no-noise intrinsic mode functions. In the second stage, the signal obtained from the initial section enters an optimization process to cancel the remnant noise, and consequently, estimate the signal parameters. The forth is a novel method based on a combination of the de-trended fluctuation analysis thresholded complete ensemble empirical mode decomposition and variance criterion for reducing stochastic and harmonic noises from magnetic resonance sounding signals. Despite the promising efficiency of Empirical Mode Decomposition, it may experience some drawbacks, such as mode mixing so that this problem is alleviated using the recently developed method, called complete ensemble empirical mode decomposition. In the previous two-step algorithm (the third achievement), comparing the IMF energies derived from the noisy signal and noise-only signal based on the similarity of amounts of the IMF energy, the noisy IMFs are detected However, considering the above assumption leads to erroneous recognition of the noisy IMFs because the noise conditions at the site of investigation continuously vary and it is a misconception to think that the noise-only signal recorded prior to the surface-NMR signal measurement and the noise added to the signal during the recording of the surface-NMR signal have exactly the same characteristics. To overcome this problem, we propose De-trended Fluctuation Analysis method to evaluate the noisiness of IMFs. The obtained results of applying the proposed algorithms in processing and parameter estimation of the surface-NMR signal compared to those of the common strategies confirmed that the application of the presented methods leads to more accurate estimation of the signal parameters, and consequently, more reliable extraction of the hydro-geological characteristics of aquifers.
