تصویرسازي لرزه اي به شدت به کیفیت داده هاي لرزه اي وابسته است. تفسیر ساختاري و چینه اي مقاطع لرزه اي که حاوي کمترین میزان نوفه تصادفی و همدوس هستند، به مراتب راحت تر است. نوفه هاي متعددي در مقاطع لرزه اي دیده می شود که دسته مهمی از آنها، نوفه هاي تصادفی اند. تضعیف این دسته از نوفه ها، به خصوص زمانی که نسبت سیگنال به نوفه کم باشد، بسیار دشوار است. تاکنون روش هاي گوناگونی براي تضعیف نوفه هاي تصادفی عرضه شده است که هرکدام مزایا و معایب مربوط به خود را دارد. در این مقاله S استفاده شود. براي این کار با استفاده از تبدیل t-f-x سعی شده است که از روش جدیدي براي تضعیف نوفه هاي تصادفی در حوزه (Empirical Mode انتقال داده می شود و سپس در این حوزه تجزیه مد تجربی t-f-x به حوزه t-x تعمیم یافته مقطع لرزه اي از حوزه در راستاي مکان براي یک زمان و بسامد خاص اعمال می شود. اولین تابع مد ذاتی به دست آمده از Decomposition , EMD) روش تجزیه مد تجربی، سریع ترین نوسانات را در داده ها نشان می دهد. به این معنی که بزرگ ترین مؤلفه هاي عدد موج (مربوط به نوفه) در اولین تابع مد ذاتی موجود است. بنابراین براي افزایش نسبت سیگنال به نوفه می توان اولین تابع مد ذاتی را از سیگنال اصلی کسر کرد. نوفه تصادفی شامل همه بسامد ها است و براي این که بتوان نوفه تصادفی را در مقاطع لرزه اي تضعیف کرد، می توان براي هر بسامدي روش حذف اولین تابع مد ذاتی را اعمال کرد. در روشی جدید با استفاده از الگوریتم مبتنی بر آستانه گذاري بازه اي روي به S تابع هاي مد ذاتی که به نوفه تصادفی آلوده هستند پاك می شود و بعد از تضعیف نوفه مقاطع لرزه اي با استفاده از معکوس تبدیل برگردانده می شوند. در این مقاله الگوریتم پیش گفته روي مقاطع لرزه اي مصنوعی و واقعی اعمال و با روش ترکیب تبدیل t-x حوزه فوریه و تجزیه مد تجربی مقایسه میشود.
کلید واژگان :نوفه هاي تصادفی، تبدیل S تعمیم یافته، تجزیه مد تجربی، تابع هاي مد ذاتی، آستانه گذاري بازه اي
ارزش ریالی : 350000 ریال
با پرداخت الکترونیک