بخشی از مقاله

چكيده

يكي از مهمترين مراحل در پردازش دادههاي لرزهاي حذف نوفه هاي تصادفي و همدوس ميباشد كه از اين طريق تصوير لرزهاي مناسب تري حاصل خواهد شد. در روش تضعيف نوفه در حوزهي زمان – فركانس، حذف نوفه با استفاده از مقادير آستانه و اعمال يك پنجره متحرك در مكان و زمان انجام مي پذيرد.

پس از برآورد طيفي ردلرزههاي پنجره فوق، مقايسه بين دامنهها با دامنه اي حاصل از اعمال معياري خاص انجام گرفته در صورت بزرگتر بودن به مقدار مربوط به معيار مذكور كاهش مييابد. سپس طيف به حوزه زمان انتقال يافته و اين روند براي تمامي فركانسها در پنجرههاي انتخابي تكرار ميشود. با استفاده از اين روش دامنهها محفوظ مانده و صرفا ردلرزههاي آلوده به نوفه تحت تاثير قرار ميگيرند.در پايان عملكرد اين روش با روش فيلتر f-k مقايسه ميشود.

١ مقدمه

نوفه يا نويز پيشامدي غير مطلوب است كه داده هاي ثبت شده را تخت تاثير خود قرار ميدهد. نوفههاي لرزهاي داراي نحوهي طبقهبندي خاصي شامل همدوس و ناهمدوس ميباشند. از نوفههاي همدوس ميتوان به نوفهي امواج هوا، امواج راهنما، نوفهي خطوط نيرو، تكراريها و امواج زمينغلت اشاره كرد. نوفههاي ناهمدوس كه تحت عنوان نوفههاي اتفاقي هم شناخته شدهاند ناشي از عوامل متعددي نظير ضعف ژئوفونهاي بكار رفته در هنگام عمليات، حركت باد، حركتهاي كوتاه و گذرا در نزديكي خطوط برداشت در هنگام ثبت - فعاليتهاي انساني - ، فعاليت موجودات دريايي و حركت آب كه باعث تكان خوردن كابلها در عمليات دريايي ميشود و نوفههاي الكتريكي حاصل از تجهيزات بكار رفته در عمليات اتفاقي ميباشند.

فيلتر كردن معمول ترين و مؤثرترين روش حذف نوفه ميباشد. فيلترها از جهت بعد دادههاي ورودي به فيلترهاي يك بعدي و دو بعدي تقسيم بندي ميشوندفيلترهاي. يك بعدي معمولاً فقط در حوزهي زمان يا حوزهي فركانس انجام ميشوند اما فيلترهاي دو بعدي در واقع روي دادههاي نمونهبرداري شده در بعد زمان-مكان يا مكان- مكان اعمال ميشوند. از كاربرديترين فيلترهاي دوبعدي ميتوان از فيلترهاي پيشگوي مكاني در حوزه فركانس- مكان يا f-x - كانالز،١٩٨٤؛گلوني، ١٩٨٦ - ، فيلتر شيب در حوزه فركانس عدد موج يا f-k - ويگينز، ١٩٦٦؛سنگبوش وفوستر، ١٩٦٨؛ريو، ١٩٨٢؛مارچوبايلي،١٩٨٤؛ ايلماز،١٩٨٧ - نام برد.

در اين مقاله نيز روشي كه براي تضعيف نوفه در نظر گرفته شده است روش خاصي از فيلتر كردن در حوزه زمان - فركانس است. اين روش در سال ٢٠١٠ توسط البوث و همكاران ارائه شد و در آن الگوريتمي تحت عنوان تضعيف نوفه در حوزهي زمان – فركانس يا TFDNپيشنهاد گرديد كه از آن براي تضعيف انواعي از نوفهي دريايي استفاده كردند

٢ روش تحقيق

حذف نوفه در حوزه زمان- فركانس با انتخاب پنجره اي متحرك بر روي داده ها با ابعاد مشخص شده توسط كاربر انجام مي شود.الگوريتم كلي حذف نوفه شامل تبديل داده ها از حوزه زمان به فركانس، حذف نوفه و تبديل مجدد به حوزه زمان است. يك بخش مهم از الگوريتم نحوه تعيين دامنه اي است كه در آن بايستي تضعيف صورت پذيرد كه ازطريق مقايسه دامنههاي ردلرزههاي مجاور در محدودهي پنجرهي متحرك صورت مي پذيرد و از اين موضوع كه بسياري از انواع رايج نوفه داراي ويژگي دامنههاي زياد در فركانسهاي مشخص و مكانهاي مشخص ميباشند، بهره مي گيرد. مراحل تحليل با استفاده از چگونگي تضعيف نوع خاصي از نوفهي دريايي تحت عنوان نوفهي swell ، با اتخاذ از كاري كه ويكپرسترود در سال ٢٠٠٩ انجام داد و با توجه به شباهت زياد بين نوفه مذكور و نوفه زمين غلت انجام مي پذيرد.

شكل ١. دادههاي لرزهاي وپنجره متحرك انتخاب شده

قبل از آناليز بيشتر، دادهها توسط تبديل فوريه به حوزهي فركانس منتقل ميشود. به منظور به حداقل رساندن اثرات قطع كه توسط پنجرهي متحرك صورت ميپذيرد، يك تابع پنجرهي مناسب بايد اعمال شود.در اينجا از پنجره همينگ - Hamming - استفاده ميشود.هر ردلرزه در داخل پنجره در اين تابع پنجره ضرب ميشود و سپس توسط FFT به حوزهي فركانس منتقل ميشود. اكنون تمام دادهها در پنجرهي قائم يعني در حيطهي فركانس قرار دارند. يك پنجرهي متحرك افقي در داخل پنجره ابتدايي تعريف ميشود كه اندازهي آن برابر با xwin در راستاي ردلرزهها و twin بعنوان تعداد فركانسها مي-باشد - ناحيهي آبيرنگ شكل ٢ - .

تضعيف دامنههاي نوفهاي در داخل اين پنجره افقي انجام ميشود. براي هر پنجره، ردلرزه مركزي كه در شكلهاي ٢ و ٣ با رنگ سبز مشخص شده است، بايد براي وجود آنوماليهاي دامنه بررسي شود. قدر مطلق دامنههاي ردلرزهي مركزي محاسبه ميشود. براي اينكه بتوانيم تصميم بگيريم كه اين دامنهها خيلي بزرگ هستند، نياز است كه آنها را با مقدار دامنهاي كه بدون نوفه فرض ميشود، مقايسه كنيم.

براي هر فركانس در پنجرهي افقي متحرك دامنهها محاسبه شده و مرتب ميشوند - شكل ٤ - . از آرايهي دامنههاي مرتب شده، مقادير ميانه - median - يا ربع پايين - lower quartile - بسته به اينكه كداميك براي تضعيف مناسب باشند محاسبه ميشوند. در شكل ٣ مقدار دامنهي صورتي رنگ، مقدار ميانه را نشان ميدهد. تعاريف مقادير ميانه و ربع پايين به اين شكل است:

مقدار انتخاب شده انتظار ميرود كه معرف يك دامنه از يك سيگنال بدون نوفه باشد. اگر كمتر از ٥٠ درصد ردلرزههاي داخل پنجره متأثر از نوفه باشند مقدار ميانه نمايندهي يك دامنهي بدون نوفهي مناسب است. براي مورد ربع پايين نياز است كه ٢٥ درصد ردلرزهها بدون نوفه باشند.

 شكل ٢. يك شكل سادهسازي شده از پنجره بعد از اعمال - FFT

شكل ٣. يك بيان ساده از اينكه چطور يك فركانس در يك زمان براي نوفه بررسي ميشود. بيضي قرمزرنگ انباشتي از دامنهها را براي يك فركانس خاص مشخص ميكند. دامنهها در قسمت پايين شكل مرتب شده اند

اگر دامنهي ردلرزهي مركزي، كه در شكلها با رنگ سبز مشخص است، بزرگتر از حاصلضرب مقدار دامنهي بدون نوفهي مفروض - دامنهي صورتي رنگ - در يك عامل آستانهي از پيش تعيين شده باشد، آنگاه دامنهي ردلرزهي مركزي تضعيف مي-شود. اين فرايند مقايسه براي تمام فركانسها تا رسيدن به فركانس حداكثر تعريف شده تكرار ميشود. وقتي تمام فركانسهاي مد نظر بررسي شدند، ردلرزهي مركزي توسط عكس تبديل فوريه به حوزهي زمان برگردانده ميشود.

سپس ردلرزه در يك آرايهي خروجي ثبت ميشود.الگوريتم با حركت دادن پنجرهي افقي به اندازهي يك ردلرزه به سمت راست ادامه مييابد و همان فرايند با يك ردلرزهي مركزي جديد و براي گسترهي فركانسي انتخاب شده تكرار ميشود. اين عمل تا زماني كه پنجره-ي متحرك كل ردلرزهها را پوشش دهد و آرايهي خروجي كامل شود ادامه مييابد. در مرحلهي بعد پنجره اوليه به اندازه اي مشخص به پايين حركت كرده و در موقعيت جديدش قرار ميگيرد و كل فرايند تا زماني كه به انتهاي دادهها برسيم تكرار ميشود.

شكل ٤. پردازش دادهي مصنوعي. بترتيب از چپ به راست: قبل از پردازش، بعد از پردازش و تفاضل.

شكل ٥. پردازش دادهي حقيقي. بترتيب از چپ به راست: قبل از پردازش، بعد از پردازش و تفاضل.

٣ نتيجه گيري

در اين مقاله يك روش جديد براي تضعيف نوفهي زمينغلت از دادههاي لرزهاي تحت عنوان روش تضعيف نوفه در حوزهي زمان – فركانس معرفي و استفاده شد.. همانطور كه بيان شد نوفهي مورد مطالعه در اين مقاله نوفهي زمينغلت بود و با توجه به شناختي كه از اين نوفه موجود بود، الگوريتم در گسترهي محتواي فركانسي آن اعمال شد و ديده شد

در متن اصلی مقاله به هم ریختگی وجود ندارد. برای مطالعه بیشتر مقاله آن را خریداری کنید