بخشی از مقاله

چکیده

جداسازی آنومالیهای منطقهای و باقیمانده از یکدیگر در اکتشافات گرانیسنجی همواره مورد توجه بوده است. آنومالی های میدان پتانسیل معمولا بصورت برهم نهی آنومالی مربوط به ساختارهای بزرگ مقیاس وعمیق وآنومالیهای ساختارهای کوچک مقیاس و سطحی میباشد.در این مقاله از روش تجزیه مد تجربی دو بعدی - - BEMDبرای جدایش آنومالی گرانی استفاده خواهیم کرد.توانایی روش بر روی داده های مصنوعی و داده های طبیعی بررسی خواهد شد.

مقدمه

آنومالی گرانی براساس تباین چگالی در زیر زمین تغییر میکند. بااستفاده از تغییرات آنومالی گرانی میتوانیم به وجود ساختارهای محلی در زیر زمین پی ببریم. در تعبیر وتفسیر دادههای گرانی نیاز به این داریم که آنومالیهای مربوط به ساختارهای محلی را از آنومالیهای مربوط به ساختارهای منطقهای در نقشههای آنومالی بوگه جدا کنیم. روشهای زیادی مانند تحلیل روندی توس اولدهام ساترلند - - 1955، ادامه فراسو توس نتلتون - - 1954، برازش چندجملهای گرانت - 1967 - ، تبدیل موجک گسسته    توس   فدی  و    کوارتا     - 1998 - ،    برای    جداسازی  آنومالیهای گرانی    معرفی  شده    است.    

با  توجه به اینکه  موضوع  جدایش آنومالیهای گرانی هنوز بطور کامل حل نشدهاست، ارائه روشهای جدید میتواند شروعی برای حل این مشکل باشد. در سال 1998 هوانگ یک روش جدید بنام تجزیه مد تجربی برای پردازش دادههای غیر خطی و غیر ایستا - دادههای پتانسیل - ارائه کرد.در ادامه زوو در سال2010 از تجزیه مد تجربی یک بعدی برای جدایش پروفیلهای مغناطیس و گرانی استفاده کرد. در این مقاله از تجزیه مد تجربی دو  بعدی  برای  جدایش  آنومالی  محلی  از  منطقهای  استفاده    خواهد شد.        

2    روش تحقیق     

تجزیه  مد  تجربی - - Empirical  Mode  Decomposition   روشی  تجربی    برای تجزیه    یک  سیگنال  به  تعدادی  متناهی  از  توابع  نوسانی دارای تبدیل هیلبرت خوش رفتاراست که به آنها توابع مد ذاتی - Intrinsic - Mode Functions گفته میشود. در حقیقت یک داده شامل مجموعهای از توابع مد ذاتی میباشد و هر تابع مد ذاتی یک نوسان ساده است که دارای نقاط اکسترمم و صفر یکسان است. هر تابع مد ذاتی باید دو شرط زیر را ارضا کند:

1.    در تمام مجموعه داده، تعداد اکسترممها و تعداد عبور از صفر باید با هم برابر و یا حداکثر یک واحد اختلاف داشته باشند.

2.    در هر نقطه، مقدار میانگین پوش تعریف شده توس ماکزیممهای محلی و پوش تعریف شده توس مینیممهای محلی باید صفر باشد. به عبارت دیگر یک    IMF  باید تابعی متقارن حول صفر باشد.

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