معمولاً در مراحل مختلف پردازش داده های لرزه ای فرض بر آن است که داده لرزه ای بصورت منظم در مکان و زمان نمونه برداری شده است. با توجّه به فن آوری های مورد استفاده در برداشت داده های لرزه ای، این داده ها در امتداد زمان بصورت کاملاً منظّم و به اندازه ی کافی متراکم نمونه برداری می شوند. اما اغلب در عمل به دلیل محدودیت های عملیاتی، عدم دسترسی به نقطه ی مورد نظر، نقص دستگاهی و یا گاهاً مسائل مالی و اقتصادی در امتداد مکان فرض فوق صادق نمی باشد. از طرف دیگر ثابت شده است که نتیجه ی بسیاری از پردازش های لرزه ای موجود به منظّم بودن و تراکم مناسب داده های ورودی بستگی دارد. از این رو امروزه درونیابی داده های لرزه ای و بازسازی آنها بر روی یک شبکه با نمونه برداری منظم، یکی از حلقه های مهم از زنجیره ی پردازش داده های لرزه ای و از مهم ترین بحث های رایج در تحقیقات این حوزه بشمار می آید. لزوم امر درونیابی موجب تولّد روش های مختلفی برای انجام این امر گردیده است. در بسیاری از نرم افزارهای پردازش لرزه ای موجود، این کار با انتقال مستقیم ردلرزه ها (گاهاً با اعمال تغییرات جزئی روی ردلرزه ها) که به خانک بندی (binning) معروف است صورت می گیرد. این عمل یکی از منابع اصلی ایجاد خطا در مقاطع لرزه ای است. از طرف دیگر روش های محاسباتی دیگری نیز جهت درونیابی و بازسازی داده های لرزه ای بر روی یک شبکه ی منظّم مورد استفاده قرار گرفته اند. دسته ای از این روش ها و به کمک قوانین فیزیک انتشار امواج و با حل معادله ی موج و رابطه ی کیرشهف، داده های لرزه ای را بر روی نقاط موردنظر بازسازی می کنند. علیرغم قابلیّت و کارایی این گونه روش ها، نیاز به داشتن اطّلاعات اولیّه دقیق در مورد مدل سرعت و زمین شناسی محیط و محاسبات زیاد استفاده از آنها را محدود می سازد. تاکنون روش های ریاضیاتی دیگری نیز با استفاده از طرّاحی فیلتر پیشگو و تبدیلات ریاضیاتی و روش هایی نیز با استفاده از کاهش مرتبه ی ماتریس داده ها جهت درونیابی داده های لرزه ای مورد استفاده قرار گرفته اند. هر کدام از این روش ها با توجّه به فرض های مورد استفاده، حجم محاسبات، نوفه ، نوع نمونه-برداری و تراکم داده ی ورودی محدودیت هایی در اجرا و نقایصی در نتیجه ی نهایی خود دارند. یکی از تبدیلات مهم و رایج در ریاضیات و بحث پردازش سیگنال که در شاخه های متعدد علوم و مهندسی مورد استفاده قرار می گیرد تبدیل فوریه است. در لرزه شناسی پس از بدست آوردن طیف فوریه ی داده، می توان آن را بر روی هر شبکه ی دلخواهی بازسازی کرد. نمونه برداری نامنظّم سبب می شود که انرژی هر فرکانس موجود در داده به سایر فرکانس ها نشت کرده و در طول طیف فوریه پخش گردد. در این پایان نامه پس از معرّفی روشی برای محاسبه ی طیف فوریه که از نشت فرکانسی جلوگیری می-کند، با برنامه نویسی در محیط متلب (matlab) ، برنامه ای تدوین و از آن برای درونیابی انواع داده های لرزه ای استفاده می-شود. پردازش دیگری که در فن آوری های امروزی مورد استفاده قرار می گیرد تعقیب تطابق نام دارد. این پروسه جهت تبدیلات زمان فرکانسی و یافتن محتوی فرکانسی سیگنال ها معرّفی شده است. در ژئوفیزیک از تعقیب تطابق برای ایجاد نشانگر لرزه ای تک بسامد استفاده شده است. در این تحقیق پس از معرفی آلگوریتمی جهت تجزیه ی سیگنال های نامنظّم با استفاده از تعقیب تطابق، نرم افزاری را در محیط متلب بر اساس آن تدوین و انواع داده های لرزه ای دو بعدی را درونیابی می کنیم. فرض همدوس بودن رویداد های لرزه ای و تنک بودن طیف فرکانسی که اساس کار روش های درونیابی تبدیل فوریه ی ضدنشت و تعقیب تطابق است همواره در داده های لرزه ای موجود صادق است. توانایی و سادگی بسط این روش ها به ابعاد بالاتر سبب افزایش چشمگیر دقت نتایج آنها می شود. در کنار سادگی و قابل فهم بودن این روش ها، عدم نیاز به اطلاعات اولیه نظیر توزیع سرعت و تعداد و شیب رویدادهای زمین شناسی، بازسازی داده های کاملاً نامنظّم، حذف دگرنامی، بازسازی داده ها در محل های اصلی بصورت دقیق و سرعت قابل قبول نسبت به برخی از روش های موجود حاکی از توانایی بالای آنها است. نتایج حاصل از اعمال این روش ها برروی انواع داده های لرزه ای مصنوعی و واقعی در این تحقیق کارایی و قابلیت این روش ها را نمایان می سازد.

در لرزه نگاری معمولاً از گیرنده های قائم استفاده می شود، مواردی هم هست که بسته به هدف لرزه نگاری نیاز به اطلاعات امواج برشی هم است از اینرو از هرسه مولفه گیرنده در ایستگاه های استفاده می گردد (لرزه نگاری سه مولفه ای یا 3c). خروجی این گیرنده ها این امکان را به ما می دهند تا نحوه قطبش امواج لرزه ای را در هر ایستگاه مشخص کنیم، میتوان بدین وسیله جنبش واقعی سطح زمین را حین داده برداری تعیین نمود و به ما کمک میکند تا جهت وشکل موج دریافتی را تعیین کنیم و انواع موجها را با دقت وصحت بیشتر از هم مشخص کنیم . دو پارامتر مهم در این مطالعه زاویه سمت افقی و راستای قطبش میباشد. روش تجزیه طیفی یک عنوان کلی و جامع است که بسیاری از روشها و مطالعات را به شکل گسترده شامل می شود. گستردگی دامنه کاربرد هر یک از زیر مجموعه های تجزیه طیفی بکار رفته در شاخه های مختلف نشان دهنده اهمیت آن است. کاربرد آن در تعیین ساختارهایی همچون ریف، کانال های مدفون رودخانه ای، سیستم تکتونیکی مخزن، لایه های نازک مخزنی، مخازن هیدروکربن و سایه های بسامد پایین مخازن گازی و تضعیف نوفه است. اساس این روش برمبنای نمایش محتوای بسامدی هر رد لرزه در مرکز زمانی آن صورت می گیرد. روش های متعدد آن عبارتند از تبدیل فوریه، تبدیل فوریه زمان کوتاه (stft)، تبدیل موجک و امثال اینها، که هر یک دارای ویژگی، مزایا و معایب خاص خود می باشند. تبدیل فوریه امکان بررسی محتوای بسامدی سیگنالهای پایا را فراهم میکند، اما برای سیگنالهای ناپایا، از جمله سیگنال لرزه ای، که محتوای بسامدی آنها با زمان تغییر میابد با استفاده از تبدیل فوریه روی پنجره های زمانی کوچکی صورت میگرفت. این روش تحت عنوان تبدیل فوریه زمان کوتاه شناخته میشود. محاسبه طیف زمان- بسامد از این روش احتیاج به یک پنجره زمانی از پیش تعیین شده دارد که این امر باعث تفکیک پذیری زمان- بسامد ثابت می شود. با توسعه تبدیل s بر روی مبانی تبدیل فوریه این مشکل حل شد. . تبدیل s ابزار مفیدی برای تحلیل توزیع زمان- بسامد محلی با استفاده از یک پنجره وابسته به بسامد می باشد. مزیت تبدیل s بر تبدیل فوریه زمان- کوتاه این است که تحلیل - پایین یک پنجره زمانی بلندتر استفاده می کند. ما علاوه بر آن به عنوان موضوع اصلی روش مد تجربی را در مطالعات خود بررسی کردیم. تجزیه ی مد تجربی یک روش انطباقی به منظور تحلیل سیگنالهای نا ایستا و غیر خطی است. وظیفه اش جدا سازی نوسانات سریع وکند به صورت محلی میباشد. ما از سه روش فوق برای بدست آوردن پارامترهای قطبش استفاده می کنیم ودر نهایت نتایج مورد مقایسه قرار میگیرد. هدف ما در این پایان نامه مطالعه پارامترهای راستای قطبش و زاویه ی سمت افقی با استفاده از مولفه های کرنش و بیان آنها بصورت نمایش زمان-بسامد با قدرت تفکیک بالاتر و دقت بیشتر از روش مرسوم استفاده از ضرایب فوریه است. و با اینکار در مراحل بعد توسط مفسران میتوان مقاطع لرزه ای بهتری را با جدایی بهتر امواج سطحی و نوفه از پیکره ای با استفاده از روشهای جدید تجزیه طیفی و درجه قطبش امواج ایجاد کرد زیرا قدرت تفکیک ودقت نمودارهای زمان-بسامد قطبش افزایش میابد ومسیر امواج وتفییرات سرعت در لایه های مختلف به خوبی تعیین میگردد. روش ceemd بهترین نتیجه با بالاترین دقت وقدرت تفکیک نسبت به روش مرسوم تبدیل فوریه کوتاه و تبدیل s بدست داد.

تداخل سنجی لرزه¬ای روشی است که بوسیله¬ی آن با همبستگی ردلرزه¬های موجود ناشی از چشمه¬های کنترل شده یا تصادفی، ردلرزه¬های جدیدی ساخته می¬شود. مسیر و زمان سیر ردلرزه¬ی ساخته شده از روی ردلرزه¬هایی که باهم همبسته شده-اند تعیین می¬شود. امواج شکست مرزی به گونه¬ای سیر می¬کنند که همبسته¬کردن داده¬های شکستی دو دریافت¬کننده برای هر چشمه¬ی هم امتداد با آنها پاسخ یکسانی از نظر زمانی و مسیر سیر (چنانچه چشمه¬ها در یک سوی دریافت¬کننده¬ها باشند)، ایجاد می¬کند. به این پاسخ ایجاد شده رسید شکست مجازی می¬گویند. در این پایان نامه از یکسان بودن رسیدهای شکست مجازی بین دو دریافت¬کننده برای افزایش نسبت سیگنال به نوفه داده-های شکست مرزی، استفاده شده¬است. به این ترتیب که برانبارش رسیدهای شکست مجازی تمام چشمه¬ها موجب تقویت سرموج¬ها و تضعیف نوفه¬ها می¬گردد. پس از برانبارش با انجام همامیخت بین رسید شکست مجازی و داده¬های دریافت¬کننده¬ی نزدیک به چشمه¬ها می¬توان داده¬های دریافت¬کننده¬ی دورتر را بازیابی کرد که به آن رد لرزه¬ی فوق مجازی می¬گویند. به همین دلیل تداخل سنجی بکارگرفته شده در این کار را تداخل سنجی فوق مجازی نامیده¬اند. برای بررسی هرچه بهتر تداخل سنجی فوق مجازی ابتدا این روش برروی داده¬های ساختگی با نوفه¬های همدوس و ناهمدوس اعمال شده¬است. سپس برروی داده¬های حقیقی، مولفه¬ی p و sh، بکار رفته و نسبت سیگنال به نوفه برای قبل و پس از اعمال روش نیز محاسبه گشته¬است. نتایج بدست آمده نشان می¬دهند که تداخل سنجی فوق مجازی در افزایش نسبت سیگنال به نوفه کارایی بسیار خوبی دارد و می¬تواند بعنوان یک روش برای بهبود وضوح رسیدهای اولیه مورد استفاده قرار گیرد. نسبت سیگنال به نوفه رکوردها بعد از اعمال تداخل سنجی فوق مجازی بزرگتر از یک بوده و در دریافت¬کننده¬های دورتر از چشمه¬ها این افزایش نسبت به قبل از اعمال روش، بسیار چشمگیر بوده¬است.

حضور نوفه ها در لرزه نگاری امری اجتناب ناپذیر است و تاثیر نامطلوبی روی داده های لرزه ای می گذارد. یکی از مسائل مهمی که در پردازش داده های لرزه ای دارای اهمیت فراوانی است، تضعیف این نوفه ها به شکل مطلوب و حفظ سیگنال اصلی است. حضور نوفه در داده و تضعیف نامطلوب آن ها مانع از ایجاد تصویری صحیح از ساختارهای زمین شناسی منطقه و تفسیر صحیح داده های لرزه ای می شود، اما در بعضی از گیرنده ها نوفه ها مقادیر آشفته ای دارند و دامنه بزرگ آن ها در ارتباط با دیگر گیرنده ها، موجب شگفتی می شوند و از توزیع گاوسی پیروی نمی کنند. این نوفه ها را نوفه های آشفته می گویند. روش های مرسوم برای تضعیف نوفه های تصادفی با فرض اینکه توزیع نوفه ها گاوسی هستند عمل می کنند. نوفه های آشفته و غیر گاوسی بر اثر وزش باد، وارونگی قطبی ناصحیح و... بوجود می آیند. حضور این نوفه ها عملکرد فیلتر کاهش مرتبه را کاهش می دهد و نتایج ضعیفی بدست می آید. به منظور رفع این مشکل، فیلتر جدید بر پایه کاهش مرتبه ماتریس را جهت تضعیف این نوفه ها معرفی می کنیم. در این روش بعد از انتقال داده ها به حوزه فرکانس، برای هر برش فرکانس ثابت ماتریس هنکل می سازیم. سپس با استفاده از تجزیه مقدار تکین (svd) رتبه ماتریس را کاهش می دهیم و با استفاده از الگوریتم تکراری، تا زمانی که همگرایی مطلوبی حاصل شود، شروع به وزن دادن مقادیر مختلط بدست آمده از ماتریس اولیه و ماتریس رتبه کاهیده می کنیم. مزیت این روش نسبت به دیگر روش های کاهش رتبه، قابلیت تضعیف نوفه های آشفته و در عین حال نوفه های تصادفی است. این روش قابل اعمال به داده های دو بعدی و سه بعدی با شیب های متفاوت می باشد. عملکرد این فیلتر بر روی داده های واقعی و مصنوعی بررسی شد و توانمندی آن در تضعیف نوفه های آشفته و تصادفی نشان داده شد.