کاربرد تجزیه مقدار منفرد در تضعیف نوفه تصادفی در داده های مصنوعی و واقعی لرزه ای

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

 کاربرد تجزیه مقدار منفرد در تضعیف نوفه تصادفی در داده های مصنوعی و واقعی لرزه ای دارای ۱۶ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد کاربرد تجزیه مقدار منفرد در تضعیف نوفه تصادفی در داده های مصنوعی و واقعی لرزه ای  کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد.

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی کاربرد تجزیه مقدار منفرد در تضعیف نوفه تصادفی در داده های مصنوعی و واقعی لرزه ای،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن کاربرد تجزیه مقدار منفرد در تضعیف نوفه تصادفی در داده های مصنوعی و واقعی لرزه ای :

نام کنفرانس، همایش یا نشریه : پژوهش نفت

تعداد صفحات :۱۶

حضور انواع نوفه از جمله نوفه تصادفی در داده لرزه ای همواره مشکلاتی را در استفاده از داده لرزه ای بوجود می آورد، لذا این نوع از نوفه ها باید در مراحل پردازشی تضعیف گردند. روش تجزیه مقدار منفرد بر اساس جبر خطی و بر پایه همدوسی داده بنا شده است که می تواند پدیده های همدوس افقی را در تصاویر مشخصه ابتدایی شناسایی نماید. برای تضعیف نوفه تصادفی در داده نقطه عمقی مشترک پس از تحلیل سرعت و انجام تصحیحات دینامیک و پیش از برانبارش، تجزیه مقدار منفرد روی داده اعمال می گردد. بازتاب های افقی شده در تصاویر مشخصه ابتدایی شناسایی شده و بازسازی می گردند و سایر تصاویر مشخصه که حاوی نوفه تصادفی هستند برابر صفر قرار گرفته و در نتیجه نوفه تصادفی تضعیف خواهد شد. از آنجایی که تجزیه مقدار منفرد می تواند پدیده های افقی را به خوبی شناسایی نماید، بنابراین اگر تصحیحات استاتیک و یا دینامیک به خوبی روی داده ها اعمال نشده باشند و در داده نقطه عمقی مشترک بازتاب ها به جای افقی بودن دارای اعوجاج باشند، تجزیه مقدار منفرد، نمی تواند آنها را به خوبی از نوفه شناسایی نماید. در این مقاله مراحل مذکور روی یک داده نقطه عمقی مشترک مصنوعی با سطوح مختلفی از نسبت سیگنال به نوفه و یک داده واقعی مربوط به یکی از میادین هیدروکربوری ایران واقع در خشکی اعمال شده است. بر اساس نتایج، فیلتر تجزیه مقدار منفرد به خوبی می تواند ضمن حفظ بازتاب ها تا حد زیادی نوفه تصادفی را تضعیف نماید. این مساله در داده مصنوعی حتی با سطح نوفه زیاد یعنی (نسبت سیگنال به نوفه یک) نیز به خوبی قابل مشاهده است.

کلید واژه: نوفه تصادفی، تضعیف نوفه، تجزیه مقدار منفرد، تصویر مشخصه