تضعیف نوفه لرزه ای همدوس با استفاده از ترکیب روش های تبدیل S تعمیم یافته و تجزیه مد تجربی
محل انتشار: مجله پژوهش نفت، دوره: 25، شماره: 83
سال انتشار: 1394
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 126
فایل این مقاله در 8 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_PRRIP-25-83_002
تاریخ نمایه سازی: 4 دی 1402
چکیده مقاله:
داده های لرزه ای برداشت شده عموما با نوفه همراه هستند. یکی از مهم ترین نوفه ها در عملیات خشکی، نوفه زمین غلت است. نوفه زمین غلت از گروه نوفه های همدوس بوده و دارای سرعت کمتر، فرکانس پایین تر و دامنه قوی تری نسبت به سیگنال هاست و به دلیل پاششی بودنش، در دورافت های نزدیک در اعماق کم و در دورافت های دورتر در اعماق زیاد، سیگنال های بازتابی را در یک منطقه بادبزنی شکل می پوشاند. روش های متعددی برای تضعیف این نوفه وجود دارد که متداول ترین آنها، استفاده از فیلترهای فرکانسی یک بعدی، دو بعدی و فیلترهای سرعتی است. در این مقاله از روش فیلتر کردن جدیدی با استفاده از ترکیب تبدیل S تعمیم یافته و تجزیه مد تجربی برای تضعیف نوفه همدوس زمین غلت استفاده شده است. بدین ترتیب که داده لرزه ای از حوزه t-x با استفاده از تبدیل S تعمیم یافته به حوزه t-f-x انتقال داده می شود. سپس در این حوزه تجزیه مد تجربی در راستای مکان برای یک زمان و فرکانس خاص اعمال می گردد. برای تضعیف نوفه همدوس زمین غلت، اولین تابع مد ذاتی که مربوط به محدوده عدد موج بالا یا رویدادهای لرزه ای همدوس با شیب تند هستند، حذف می گردد و سپس با استفاده از معکوس تجزیه مد تجربی و تبدیل معکوس S داده ها به حوزه t-x منتقل می شوند که نوفه زمین غلت آن تضعیف شده است. کارآیی این روش بر روی داده های لرزه ای واقعی مورد بررسی قرار گرفته است و با روش تجزیه مد تجربی در حوزه f-x مقایسه گردیده است. نتایج، برتری روش معرفی شده در این مقاله را نشان می دهد.
کلیدواژه ها:
نویسندگان
فرید کریمی
دانشکده مهندسی معدن، نفت و ژئوفیزیک، دانشگاه شاهرود
امین روشندل کاهو
دانشکده مهندسی معدن، نفت و ژئوفیزیک، دانشگاه شاهرود
حمیدرضا سیاه کوهی
موسسه ژئوفیزیک، دانشگاه تهران
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :