تضعیف نوفههای تصادفی در دادههای لرزهای بازتابی به روش بازنمایی تنک داده لرزهای با استفاده از یادگیری لغتنامه | ||
| فیزیک زمین و فضا | ||
| مقاله 6، دوره 52، شماره 2، تابستان 1405، صفحه 293-311 اصل مقاله (2.66 M) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22059/jesphys.2026.413318.1007772 | ||
| نویسندگان | ||
| امین روشندل کاهو* ؛ محمد رداد؛ محمدرضا موسوی نژاد | ||
| گروه نفت و ژئوفیزیک، دانشکده مهندسی معدن، نفت و ژئوفیزیک، دانشگاه صنعتی شاهرود، شاهرود، ایران. | ||
| چکیده | ||
| نوفه تصادفی یکی از چالشهای اساسی در دادههای لرزهای بازتابی است که با کاهش نسبت سیگنال به نوفه، دقت پردازشهای بعدی و تفسیرهای زمینشناسی را بهشدت تحتتأثیر قرار میدهد. روشهای متداول تضعیف نوفه اغلب در محیطهای زمینشناسی پیچیده دچار نشت سیگنال شده یا به انتخاب دقیق پارامترها وابستهاند. در این پژوهش، یک چارچوب کارآمد مبتنیبر یادگیری لغتنامه دوبعدی برای تضعیف نوفه تصادفی ارائه و ارزیابی شده است. برخلاف رویکردهای کلاسیک یکبعدی که با بردارسازی پنجرهها، همبستگیهای فضایی دادهها را مخدوش میکنند، روش پیشنهادی، لغتنامه را بهصورت جداپذیر و بهطور مستقیم برروی پنجرههای دوبعدی آموزش میدهد. با بهرهگیری از الگوریتم تعقیب تطبیقی متعامد برای استخراج ضرایب تُنُک و الگوریتم K-SVD برای بروزرسانی اتمها، این روش قادر است، ساختارهای هندسی و رویدادهای ناپیوسته لرزهای را با دقت بالایی حفظ کند. نتایج حاصل از آزمایش برروی دادههای مصنوعی و صحرایی نشان میدهد که رویکرد دوبعدی در مقایسه با فیلتر نقطه بیشینه زمان-فرکانس، تحلیل طیف تکین در حوزه FX و یادگیری لغتنامه یکبعدی، افزایش قابلتوجهی در نسبت سیگنال به نوفه و کاهش خطای بازیابی دارد. همچنین، تحلیل پارامترهای کلیدی الگوریتم مؤید آن است که این روش در سطوح بالای نوفه پایداری بیشتری داشته و نشت سیگنال را به حداقل میرساند. در نهایت، یادگیری لغتنامه دوبعدی بهعنوان راهکاری ساختارحفظکن و تطبیقپذیر، پتانسیل بالایی برای جایگزینی روشهای متداول در پردازش دادههای لرزهای دارد. | ||
| کلیدواژهها | ||
| یادگیری لغتنامه؛ تعقیب تطبیقی متعامد؛ نوفه تصادفی؛ تُنُک | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 166 تعداد دریافت فایل اصل مقاله: 70 |
||