تضعیف نوفه های اتفاقی به کمک تبدیل
| دسته | ژئوفیزیک |
|---|---|
| گروه | سازمان زمین شناسی و اکتشافات معدنی کشور |
| مکان برگزاری | بیست و سومین گردهمایی علوم زمین |
| نویسنده | روح اله عسکری ، حمیدرضا سیاهکوهی،فرامرزپاکسیما |
| تاريخ برگزاری | ۲۶ بهمن ۱۳۸۳ |
Summery: EXISTENCE of random noise is one of the problematic topic in the processing and interpretation of seismic data. Like the analysis of the NMO velocity, migration operator and deconvolution has a lot of destructive efforts. On the other way the information gathered on the seismic records and geophysical data are multi-scales. This is because of nature of seismic studies since seismic waves lose their high frequently altitudes gradually because of the penetration in the earth, and their frequency range, on the other word, their scale will change۳>
To study these data it is necessary to apply mathematics which can satisfy multi-scaled data .With the S transform we can get the time frequency distribution of seismic and geophysical data. The S transform, which is introduced in this correspondence, is an extension of the ideas of the continuous wavelet transform (CWT), and is based on a moving and scalable localizing Gaussian window. It is shown here to have some desirable characteristics that are absent in the continuous wavelet transform. The S transform is unique in that it provides frequency-dependent resolution while maintaining a direct relationship with the Fourier spectrum .These advantages of the S transform are due to the fact that the modulating sinusoids are fixed with respect to the time axis, whereas the localizing scalable Gaussian window dilates and translates .This by itself is a base to design an Adaptive- weighted filter for noise attenuation .On this article we probe ability of adaptive- weighted filter. We will show by synthetic example that this filter is the effective way to decrease the noise with the low signal to noise ratio .This transform can be used to design other filters for noise attenuation in the other geophysical data.
یکی از موارد مشکل ساز در پردازش و تفسیر داده های ژئوفیزیکی اکتشافی وجود نوفه های اتفاقی در داده ها است . به عنوان مثال وجود این نوفه ها بر روی رکوردهای لرزه ای در امر پردازش نظیر تحلیل سرعتNMO و عملگر مهاجرت و واهمامیخت(deconvolution) اثرات مخربی دارد. از طرفی اطلاعات موجود در رکوردهای لرزه نگاری و ژئوفیزیکی از نوع (multi scale) یا چند مقیاسی هستند . این مهم بدلیل ماهیت مطالعه لرزه نگاری است . زیرا موجک لرزه ای به خاطر انتشارش در زمین به تدریج مولفه های فرکانسی بالا را از دست می دهد و پهنای آن یا به عبارتی دیگر مقیاس آن تغییر می یابد . به منظور مطالعه یک چنین داده هایی نیاز است از ریاضیاتی استفاده شود که توان کار با داده های چند مقیاسی را داشته باشد . به کمک تبدیل می توانیم توزیع زمان _فرکانس داده های لرزه ای و ژئوفیزیکی را بدست آورد . . اساس این تبدیل بر یک پنجره گاوسی متحرک و مقیاس پذیرمبتنی است که عامل سینوسی بر آن سوار می شود (modulating). این تبدیل بسطی از ایده تبدیل موجک پیوسته می باشد که گاف بین تبدیل فوریه زمان کوتاه و تبدیل موجک را پر می کند و رابطه مستقیم با طیف فوریه را نیز حفظ می کند . و این خود مبنایی برای طرح یک فیلتر_وزنی انطباقی برای حذف نوفه های اتفاقی است. دراین مقاله توانایی فیلتر وزنی_ا نطباقی را برای تضعیف نوفه های اتفاقی بررسی خواهیم کرد . با مثال مصنوعی نشان خواهیم داد این فیلتر برای تضعیف نوفه با نسبت سیگنال به نوفه پایین روش موثری است . این تبدیل می تواند مبنایی برای طراحی دیگر فیلتر ها برای حذف نوفه در داده های ژئوفیزیکی است .