روشی خودکار برای گزینش منحنی پاشش مد پایه و برآورد قابل اعتماد سرعت فاز این مد در امواج سطحی
محل انتشار: مجله فیزیک زمین و فضا، دوره: 52، شماره: 1
سال انتشار: 1405
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 91
فایل این مقاله در 11 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_JESPHYS-52-1_003
تاریخ نمایه سازی: 1 تیر 1405
چکیده مقاله:
امواج سطحی یکی از انواع امواج لرزه ای هستند که در مطالعات لرزه ای مخصوصا لرزه نگاری غیرتهاجمی با اهداف زمین شناختی، مهندسی و مهندسی زلزله، اطلاعات ارزشمندی درباره ساختار زیرسطحی زمین فراهم می کنند. یکی از چالش های اصلی تحلیل این امواج، استخراج منحنی های پاشش است که رابطه بین سرعت فاز و فرکانس را نشان می دهد. روش های مرسوم اغلب دستی و زمان بر بوده و احتمال خطا در تشخیص مد پاشش موردنظر را افزایش می دهند. در این پژوهش، روشی خودکار برای شناسایی منحنی های پاشش ارائه شده است. این روش با جست وجوی هوشمند، مسیر بهینه را در امتداد مد پاشش مورد نظر پیدا می کند. الگوریتم پیشنهادی با دو راهبرد جست وجوی فرکانس پایین و فرکانس بالا، منحنی پاشش را بر اساس بیشینه های محلی انرژی در طیف سرعت فاز استخراج می کند. در راهبرد فرکانس پایین، حد تفکیک پذیری بر اساس طول پروفیل (فاصله بین اولین و آخرین گیرنده) تعیین می شود تا از انحراف الگوریتم به نقاط اشتباه جلوگیری شود. توانمندی روش با داده های مصنوعی و واقعی بررسی شد. نتایج نشان می دهد که در داده تمیز، میانگین توان دو خطا (m/s)۲۳/۶ و حداکثر خطای نسبی %۸/۱ است، در حالی که روش انتخاب خودکار قله ها میانگین توان دو خطا (m/s)۲۱۶۱۸۳۰ و خطای نسبی %۱۱۶ داشت. درداده آغشته به نوفه (نسبت سیگنال به نوفه ۲۵- دسی بل)، روش پیشنهادی میانگین خطای (m/s)۲ ۱۵۶ و خطای نسبی %۹/۶ حاصل کرد که برتری قابل توجهی نسبت به روش مقایسه ای نشان می دهد. این روش می تواند زمان پردازش را کاهش بدهد و دقت تحلیل منحنی پاشش و برآورد مدل سرعت موج برشی را افزایش دهد.
کلیدواژه ها:
نویسندگان
Faruq Mohammadyan
گروه فیزیک زمین، موسسه ژئوفیزیک، دانشگاه تهران، تهران، ایران.
Hamid Reza Siahkoohi
گروه فیزیک زمین، موسسه ژئوفیزیک، دانشگاه تهران، تهران، ایران.
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 :