تحلیل زمان بسامد داده های لرزه ای با استفاده از روش تبدیل فشرده سازی همزمان چندگانه بازچینی شده در زمان برای آشکارسازی سایه کم بسامد

سال انتشار: 1401
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 81

فایل این مقاله در 13 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_JRAG-8-2_005

تاریخ نمایه سازی: 12 تیر 1402

چکیده مقاله:

شناسایی سایه کم-بسامد از این حیث که در ارتباط با مخازن گازی هستند، بسیار اهمیت دارد. این سایه های کم-بسامد که ناشی از میرایی گاز بر روی امواج لرزه ای هستند، باعث می شوند تا بسامد های پایین در زیر مخازن گازی نسبت به بسامد های بالا دامنه قوی تری داشته باشند. لذا در صورتی که دقت زمانی مناسبی در شناسایی این نشانگر در نظر گرفته شود، مخزن گازی و به تبع آن موقعیت آن با دقت قابل توجهی شناسایی خواهد شد. یکی از روش های شناسایی سایه های کم-بسامد، تبدیل های زمان-بسامد هستند. لذا آن دسته از تبدیل های زمان-بسامدی که دارای قدرت تفکیک زمانی و بسامدی مطلوبی هستند، می توانند در شناسایی سایه های کم-بسامد کمک شایانی داشته باشند. در این مقاله، از روشی با عنوان تبدیل فشرده سازی همزمان چندگانه بازچینی شده در زمان (TMSST) استفاده می شود که نسبت به تبدیل های زمان-بسامد متداول از قبیل STFT، RM، SST و MSST از قدرت تفکیک زمانی و بسامدی بالاتری بهره می برد. لذا، با اعمال تبدیل ذکر شده بر روی یک داده مصنوعی و یک داده واقعی، این مهم به نمایش گذاشته شده است. به عنوان یک کاربرد لرزه ای، مقاطع تک- بسامد حاصل از یک میدان هیدروکربنی در محیط متلب تهیه و ناهنجاری های سایه کم-بسامد با استفاده از این روش زمان-بسامد با قدرت تفکیک بالا شناسایی گردیدند. علاوه بر این، در این مقاله از پارامتر رنی که به طور مستقیم با تنکی در ارتباط بوده و جهت ارزیابی تمرکز انرژی مورد استفاده قرار می گیرد، استفاده شده است. عدد بدست آمده برای پارامتر رنی با استفاده از روش پیشنهادی در این مقاله، دلیلی دیگر در راستای اثبات عملکرد قابل توجه این روش در بدست آوردن نمایش زمان-بسامد با قدرت تفکیک زمانی و بسامدی بالا به طور همزمان می باشد.

کلیدواژه ها:

تحلیل زمان-فرکانس ، تبدیل فشرده سازی همزمان چندگانه بازچینی شده در زمان ، نشانگر تک-بسامد ، سایه کم-بسامد

نویسندگان

محمود شیرازی

دانشکده معدن، نفت و ژئوفیزیک دانشگاه صنعتی شاهرود

امین روشندل کاهو

دانشگاه صنعتی شاهرود - دانشکده مهندسی معدن، نفت و ژئوفیزیک

محمد رداد

هیئت علمی دانشگاه صنعتی شاهرود

گنگ یو

دانشکده مهندسی برق دانشگاه جینان، چین

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 :
  • رداد، م، ۱۳۹۸، تحلیل زمان- بسامد داده­های لرزه­ای با روش ...
  • روشندل، ا، نجاتی، ع، ۱۳۹۱، تجزیه طیفی با قدرت تفکیک ...
  • Auger, F., & Flandrin, P. (۱۹۹۵). Improving the readability of ...
  • Auger, F., Flandrin, P., Lin, Y.-T., McLaughlin, S., Meignen, S., ...
  • Cao, H., Wang, X., He, D., & Chen, X. (۲۰۲۰). ...
  • Castagna, J. P., Sun, S., & Siegfried, R. W. (۲۰۰۳). ...
  • Chabyshova, E., & Goloshubin, G. (۲۰۱۴). Seismic modeling of low-frequency ...
  • Chen, H., Kang, J., Chen, Y., Xu, D., & Hu, ...
  • Chen, X., Chen, H., Fang, Y., & Hu, Y. (۲۰۲۰). ...
  • Chen, X., Chen, H., Li, R., Hu, Y., & Fang, ...
  • Daubechies, I., Lu, J., & Wu, H.-T. (۲۰۱۱). Synchrosqueezed wavelet ...
  • Daubechies, I., & Maes, S. (۲۰۱۷). A nonlinear squeezing of ...
  • Dragomiretskiy, K., & Zosso, D. (۲۰۱۳). Variational mode decomposition. IEEE ...
  • Fang, Y., Hu, Y., Li, M., Chen, H., Chen, X., ...
  • Gabor, D. (۱۹۴۶). Theory of communication. Part ۱: The analysis ...
  • Gholtashi, S., Nazari Siahsar, M. A., RoshandelKahoo, A., Marvi, H., ...
  • Hamidi, M., Hosseini, S. K., & Sadeghi, H. (۲۰۱۱). SUCCESSFUL ...
  • Huang, N. E., & Wu, Z. (۲۰۰۸). A review on ...
  • Huang, Z., Zhang, J., Zhao, T., & Sun, Y. (۲۰۱۵). ...
  • Liu, G., Fomel, S., & Chen, X. (۲۰۱۱). Time-frequency analysis ...
  • Mahdavi, A., Kahoo, A. R., Radad, M., & Monfared, M. ...
  • Mallat, S. (۱۹۹۹). A wavelet tour of signal processing. Elsevier ...
  • Martin, W., & Flandrin, P. (۱۹۸۵). Wigner-Ville spectral analysis of ...
  • Pinnegar, C. R., & Mansinha, L. (۲۰۰۳). The S-transform with ...
  • Radad, M., Gholami, A., & Siahkoohi, H. R. (۲۰۱۵). S-transform ...
  • Ren, H., Goloshubin, G., & Hilterman, F. (۲۰۰۷). Spectra crossplot. ...
  • Sinha, S., Routh, P. S., Anno, P. D., & Castagna, ...
  • Stockwell, R. G., Mansinha, L., & Lowe, R. P. (۱۹۹۶). ...
  • Sun, S., Castagna, J. P., & Siegfried, R. W. (۲۰۰۲). ...
  • Tary, J. B., Herrera, R. H., & van der Baan, ...
  • Thakur, G., & Wu, H.-T. (۲۰۱۱). Synchrosqueezing-based recovery of instantaneous ...
  • Tu, X., Zhang, Q., He, Z., Hu, Y., Abbas, S., ...
  • Wang, Q., Gao, J., & Liu, N. (۲۰۱۹). Second-order synchrosqueezing ...
  • Wang, S., Chen, X., Cai, G., Chen, B., Li, X., ...
  • Wu, G., & Zhou, Y. (۲۰۱۸). Seismic data analysis using ...
  • Yu, G. (۲۰۱۸). Demodulated synchrosqueezing transform. ۲۰۱۸ Chinese Automation Congress ...
  • Yu, G., Lin, T., Wang, Z., & Li, Y. (۲۰۲۰). ...
  • Yu, G., Lin, T., Wang, Z., & Li, Y. (۲۰۲۱). ...
  • Yu, G., Wang, Z., Zhao, P., & Li, Z. (۲۰۱۹). ...
  • Yu, G., Yu, M., & Xu, C. (۲۰۱۷). Synchroextracting transform. ...
  • نمایش کامل مراجع