تفکیک طیفی ابزاری قدرتمند در شناخت، اندازه گیری و تحلیل ماهیت متغیر با زمان سیگنال های ناپایا است. با توجه به ماهیت ناپایای داده های لرزه ای، این ابزار به طورگسترده در تحلیل، پردازش و تفسیر داده های لرزه ای به کار می رود. روش های مرسوم تفکیک طیفی مانند تبدیل فوریه زمان کوتاه، تبدیل موجک و تبدیل s ، برای به دست آوردن طیف فرکانسی سیگنال در یک زمان خاص هر کدام به نوعی از یک تابع پنجره استفاده می-کنند. این تابع پنجره سیگنال را در خارج از بازه زمانی معینی صفر می کند و بنابر اصل عدم قطعیت، این روش ها قدرت تفکیک محدودی در حوزه زمان- فرکانس دارند. در تفکیک طیفی با استفاده از توزیع ویگنر- وایل، نگرش غیرخطی بوده و همزمان بر اساس تابع چگالی انرژی زمانی و فرکانسی بنا شده است. در این توزیع محدودیت قدرت تفکیک ناشی از به کار بردن تابع پنجره وجود ندارد و از قدرت تفکیک برتر در صفحه زمان- فرکانس برخوردار است. اما این توزیع با توجه به ماهیت غیرخطی بودنش از مشکل وجود جملات متقاطع رنج می برد. شکل های بهبود یافته این توزیع مانند توزیع ویگنر- وایل نما و توزیع ویگنر- وایل نمای هموار شده، برای حل مشکل جملات متقاطع از فیلترهای مختلفی استفاده می کنند. ولی در عوض به کار بردن این فیلترها باعث کاهش قدرت تفکیک توزیع ویگنر- وایل می-شود. روش طیف نگاشت تبدیل فوریه زمان کوتاه واهمامیختی که بر پایه ارتباط میان طیف نگاشت و توزیع ویگنر- وایل استوار است، با استفاده از الگوریتم لوسی- ریچاردسون و از طریق طیف نگاشت، جملات متقاطع توزیع ویگنر- وایل را حذف می کند. در واقع این روش از هر دو مزیت نداشتن جملات متقاطع طیف نگاشت و قدرت تفکیک برتر توزیع ویگنر- وایل سود می برد. در این پایان نامه ما پس از بیان مبانی نظری این روش، آن را برای تفکیک طیفی ردلرزه های مصنوعی و واقعی به کار برده ایم و کارآیی آن را با سایر روش های مرسوم ارزیابی کرده ایم. در این بررسی ها طیف نگاشت تبدیل فوریه زمان کوتاه واهمامیختی بهترین عملکرد را در حذف جملات متقاطع و رسیدن به قدرت تفکیک بالا دارد.

امروزه از تجزیه و تحلیل سیگنال ها در علوم بسیاری از جمله ژئوفیزیک استفاده می شود. تجزیه و تحلیل سیگنال های لرزه ای کاربرد زیادی در تفسیر داده های لرزه ای دارد. بدلیل ناپایا بودن این سیگنال ها، شیوه های مرسوم نمایش سیگنال ها در حوزه زمان و حوزه فرکانس، علیرغم کاربردهای گسترده نمی توانند بصورت همزمان اطلاعات این سیگنال ها را نمایش دهند. با معرفی تبدیل های زمان- فرکانس و نمایش متمرکز اطلاعات زمانی و فرکانسی سیگنال ها، پردازش سیگنال ها وارد عصر جدیدی شد. امروزه از روش های زمان- فرکانس مختلفی مانند تبدیل فوریه زمان کوتاه، تبدیل موجک، تبدیل s، توزیع ویگنر-وایل، تبدیل فوریه زمان کوتاه واهمامیختی و ... جهت تجزیه طیفی سیگنال های لرزه ای استفاده می شود که هر کدام ویژگی های خاص خود را دارند. تجزیه طیفی داده های لرزه ای، حجم زیادی از داده در فرکانس های مختلف تولید می نماید که حاوی اطلاعات مفیدی از روند های ساختاری و نهشته های رسوبی می باشند. این حجم زیاد، تفسیر آن ها را مشکل نموده و حجم زیادی از حافظه یارانه را نیز اشغال می کند. روش های مختلفی جهت حل این مشکل وجود دارد که می توان به تولید تصاویر تک فرکانس و نیز تهیه تصاویر برانبارش رنگی از تصاویر تک فرکانس اشاره نمود. این روش ها اگرچه تا حدودی مشکل تفسیر را برطرف می نمایند، اما کیفیت تصاویر تولیدی آن ها به فرکانس های انتخابی وابسته است. جهت حل این مشکل استفاده از روش آنالیز مولفه های اصلی پیشنهاد می گردد. در این روش مولفه های اصلی با استفاده از نگاشت تصاویر تک-فرکانس بر روی بردارهای ویژه تهیه می گردند. از آنجایی که چند مولفه اصلی اول درصد زیادی از واریانس موجود در داده های تجزیه طیفی را تشکیل می دهند، بنابراین می توان با برانبارش رنگی سه مولفه اصلی اول، قسمت اعظمی از اطلاعات موجود در داده های لرزه ای را تنها با استفاده از یک تصویر نمایش داد. در این پایان نامه، برای شناسایی کانال های مدفون در یک ناحیه از جنوب غرب ایران، ابتدا داده-های لرزه ای را با استفاده از روش های تبدیل فوریه زمان کوتاه، تبدیل s و تبدیل فوریه زمان کوتاه واهمامیختی تجزیه طیفی می نماییم. در ابتدا تفسیر داده های لرزه ای را با استفاده از مکعب ها و مقاطع تک فرکانس انجام می دهیم و محدودیت این روش ها را نشان می دهیم. در ادامه تصاویر rgb را به روش های مختلف تولید نموده و وابستگی کیفیت رنگی و محتویات نمایشی این تصاویر را به فرکانس-های انتخابی نشان می دهیم. در نهایت با استفاده از روش تحلیل مولفه های اصلی، عدم وابستگی تصاویر تولیدی این روش به انتخاب مراکز فرکانسی و برتری استفاده از این روش را نسبت به روش های قبل نشان داده و تفسیر داده های لرزه ای را بهبود می دهیم. این روش اگرچه اطلاعات کمّی در مورد تخلخل و تراوایی ارائه نمی دهد، اما بعنوان ابزار بسیار مناسبی در تفسیر کیفی مورد استفاده قرار می گیرد.

از آنجایی که سیگنال های لرزه ای سیگنال هایی ناپایا می باشند تجزیه طیفی به عنوان یک ابزار قوی در تجزیه و تحلیل این سیگنال ها به گستردگی مورد استفاده قرار می گیرد. تجزیه طیفی دادههای لرزه ای، دامنه های لرزه ای را که تابعی از زمان و مکان هستند به دامنه های طیفی که تابع فرکانس، زمان و مکان هستند، تبدیل می کنند .این ابزار در زمینه های مختلفی مانند تعیین ضخامت لایه، نمایش رخساره های چینه ای، توصیف مشخصات مخزن و اکتشاف مستقیم هیدروکربن بکار برده می شوند. تبدیل فوریه زمان کوتاه، تبدیل موجک پیوسته و تجزیه طیفی با روش تعقیب تطابق خطی بوده و همبستگی بین سیگنال و خانواد ه ای از توابع زمان و فرکانس را محاسبه می کنند. بنابراین این روش ها نمی توانند به قدرت تفکیک خوب و همزمان از اطلاعات در زمان و فرکانس دست یابند. اما علاوه بر روش های مبتنی بر همبستگی، نوع دیگری از نمایش زمان - فرکانس وجود دارد که بر مبنای چگالی انرژی است. این روشها اغلب قدرت تفکیک زمان - فرکانس بهتری دارند و این امر اهمیت بسیاری در تحلیل های زمان- فرکانس از داده ها دارد. توزیع ویگنر- وایل نمونه بارزی از این دسته از نمایش های زمان- فرکانس می باشد. وجود جملات تداخلی در این توزیع، کاربرد آن را در زمینه های مختلف محدود کرده است. روش های مختلفی برای رفع مشکل مذکور در توزیع ویگنر – وایل ارائه شده اند که جملات تداخلی موجود را براساس خواص نوسانی آن ها تضعیف می کنند. اما در مقابل قدرت تفکیک را کاهش می دهند و در واقع مزیت توزیع ویگنر- وایل از بین می رود. در این تحقیق از روش جدیدی برای حل مشکل جملات تداخلی استفاده می شود. در این روش، قدرت تفکیک بالای توزیع ویگنر- وایل حفظ می شود. این روش بر مبنای واهمامیخت دوبعدی پایه گذاری شده است و با حذف اثر توزیع ویگنر- وایل پنجره مورد استفاده در تبدیل فوریه زمان کوتاه از تبدیل فوریه زمان کوتاه سیگنال، توزیع ویگنر- وایل بهبود یافته سیگنال بدست می آید. این توزیع را تبدیل فوریه زمان کوتاه واهمامیختی می نامند. در این تحقیق با بکارگیری نشانگرهایی که در حوزه زمان- فرکانس از نتایج تبدیل فوریه زمان کوتاه واهمامیختی استخراج می شوند، در شناسایی مخازن هیدروکربنی استفاده می شود. نشانگرهای ضریب جذب، ضریب جذب نسبی و سایه های فرکانس پایین برای شناسایی مخازن گازی، بر روی داده های دو بعدی دریای خزر، مورد استفاده قرار می گیرید و سپس از نشانگرهای فرکانس بیشینه و دامنه متناظر با آن برای شناسایی کانال های مدفون، بر روی مکعب داده های برانبارش شده یکی از میادین نفتی جنوب ایران، به عنوان کاندیدایی برای مخازن هیدروکربنی مورد استفاده قرار می گیرد. نتایج بدست آمده حاکی از کارآیی بالای این تبدیل و نشانگرهای مورد استفاده در شناسایی مخازن هیدروکربن می باشد.

در این پژوهش، ضرورت تصحیح برونراند نرمال (nmo) در داده های لرزه ای بازتابی مورد بحث قرار گرفته و انواع روش های تحلیل سرعت به عنوان ابزار مورد نیاز برای تصحیح برونراند نرمال معرفی می شوند. با مقایسه نتایج روش های مرسوم، روش ضریب شباهت به خاطر ویژگی هایی مثل پایداری نسبت به تغییرات دامنه بر حسب دورافت و قدرت تفکیک بهتر در رویداد های متقاطع، وگستر? دینامیکی کوچک، به عنوان بهترین روش تحلیل سرعت برای برونراند هذلولی انتخاب شد. اگرچه روش ضریب شباهت به عنوان متداولترین روش اندازه گیری همدوسی، طیف سرعت با دقت خوبی را فراهم می آورد، اما تمایل به پهن شدگی پیک های سرعت، هنگامی که زمان رسید ها افزایش می یابد، تعیین دقیق سرعت را مشکل می کند. همچنین این روش در تشخیص رویدادهای متداخل در یک پنجره زمانی کوتاه، وجود پدیده معکوس شدگی پلاریته و در حالت های با لایه بندی نازک درست عمل نمی کند. بنابراین در این پژوهش روش تحلیل سرعت شباهت جزئی خودران با قدرت بالا معرفی گردید که بر پایه شباهت جزئی می باشد و با ضریب شباهت وزن دار شده است. این روش از تکنیک خودرانی برای چینش تصادفی ردلرزه ها درون پنجره زمان استفاده می کند تا جابه-جایی موجک ها را از حالت افقی بهتر نشان دهد و ضریب شباهت جزئی را بیشینه، و در نتیجه قدرت تفکیک طیف سرعت را افزایش دهد. سپس برنامه روش های ضریب شباهت و شباهت جزئی خودران با قدرت تفکیک بالا در نرم افزار matlab نوشته شد و بر روی داده های مصنوعی در حضور انواع فاکتورهای موثر بر تحلیل سرعت اعمال گردید و مشاهده شد که روش شباهت جزئی خودران با قدرت تفکیک بالا بر خلاف روش ضریب شباهت تحلیل سرعت را با وضوح بسیار بهتری انجام می دهد. نتایج اعمال این روش بروی داده های واقعی شبیه داده های مصنوعی بود. با توجه به هزین? قابل مقایس? این روش با روش ضریب شباهت و تحلیل سرعت دقیق تر و در نتیجه تصحیح برونراند بهتر، لزوم استفاده از این روش اثبات گردید

تصویرسازی لرزه ای به شدت به کیفیت داده های لرزه ای وابسته است. تفسیر ساختاری و چینه ای مقاطع لرزه ای که حاوی کمترین میزان نوفه تصادفی و همدوس می باشند، به مراتب راحت تر است. نوفه های متعددی در مقاطع لرزه ای دیده می شود که دسته مهمی از آن ها، نوفه های تصادفی اند. تضعیف این دسته از نوفه ها، بخصوص زمانی که نسبت سیگنال به نوفه کم باشد، بسیار دشوار است. تا کنون روش های مختلفی برای تضعیف نوفه های تصادفی ارائه شده است که هر کدام مزایا و معایب مربوط به خود را دارد. در این پایان نامه سعی شده است که از روش جدیدی برای تضعیف نوفه های تصادفی در حوزه t-f-x استفاده شود. برای این کار با استفاده از تبدیل s تعمیم یافته مقطع لرزه ای از حوزه t-x به حوزه t-f-x انتقال داده می شود و سپس در این حوزه تجزیه مُد تجربی empirical mode decomposition (emd) در راستای مکان برای یک زمان و فرکانس خاص اعمال می گردد. اولین تابع مُد ذاتی به دست آمده از روش تجزیه مُد تجربی، سریع ترین نوسانات را در داده ها نشان می دهد. به این معنی که بزرگ ترین مولفه های عدد موج (مربوط به نوفه) در اولین تابع مُد ذاتی موجود می باشد. بنابراین برای افزایش نسبت سیگنال به نوفه می توان اولین تابع مُد ذاتی را از سیگنال اصلی کسر کرد. نوفه تصادفی شامل همه فرکانس ها می باشد و برای این که بتوان نوفه تصادفی را در مقاطع لرزه ای تضعیف نمود، می توان برای هر فرکانسی روش حذف اولین تابع مُد ذاتی را اعمال کرد. حذف اولین تابع مُد ذاتی به دلیل باقی ماندن نوفه ها در سایر توابع مُد ذاتی، عملکرد بهینه ای ندارد. همچنین در مواردی که رویدادهای با شیب زیاد در مقطع لرزه ای وجود داشته باشد، به دلیل محتوای عدد موج بالای آن ها دستخوش تغییرات می گردند. روش جدید دیگری که در این پایان نامه برای تضعیف نوفه توابع مُد ذاتی مورد استفاده قرار گرفته است، مبتنی بر آستانه گذاری بازه ای بر روی توابع مُد ذاتی به جای حذف اولین تابع مُد ذاتی می باشد. استفاده از این الگوریتم جدید علاوه بر تضعیف نوفه بیشتر نسبت به روش متداول، رویدادهای شیب دار بدون تغییر باقی می مانند. در این پایان نامه الگوریتم مذکور بر روی مقاطع لرزه ای مصنوعی و واقعی اعمال شده و با روش ترکیب تبدیل فوریه و تجزیه مُد تجربی مقایسه شده است. نتایج به دست آمده، عملکرد مناسب روش های معرفی شده در این پایان‎نامه را نشان می دهد. همچنین نشان داده شده است که حذف اولین تابع مُد ذاتی در رکورد چشمه مشترک می تواند در تضعیف نوفه های همدوس زمین غلت کارآمد باشد

وجود نوفه در داده های لرزه ای، پیوستگی رویداد های بازتابی را کاهش داده و در کارآمدی مراحل مختلف پردازش داده مانند واهمامیخت، آنالیز سرعت و مهاجرت تاثیر نامناسب دارد. نوفه های مختلفی در داده های لرزه ای وجود دارند. نوفه های تصادفی به عنوان یک از مهمترین انواع نوفه در تمامی زمان ها و فرکانس ها، داده لرزه ای را آلوده می کنند. بنابراین تضعیف این نوع نوفه با روش های معمول همواره با مشکلاتی همراه است. بعلاوه ویژگی ناپایا بودن سیگنال های لرزه ای نیز تضعیف نوفه تصادفی را مشکل تر می سازد. تا کنون روش های مختلفی برای تضعیف نوفه تصادفی معرفی شده اند که در این میان فیلتر نقطه بیشینه زمان- فرکانس به خاطر در نظر گرفتن ویژگی ناپایایی سیگنال های لرزه ای دارای مزیت های زیادی می باشد. در این روش ابتدا سیگنال حاوی نوفه به یک سیگنال تحلیلی کدگذاری می شود و توزیع زمان- فرکانس این سیگنال تحلیلی محاسبه می گردد. سپس سیگنال نوفه زدا شده با تخمین فرکانس لحظه ای سیگنال کدگذاری شده از طریق انتخاب بیشینه فرکانسی توزیع زمان- فرکانس، حاصل می گردد. اولین گزینه برای محاسبه نمایش زمان- فرکانس، توزیع ویگنر- وایل می باشد. اما مشکلی در استفاده از این توزیع زمان- فرکانس وجود دارد؛ تا زمانی که فرکانس لحظه ای سیگنال کدگذاری شده خطی باشد، یک تابع ضربه واحد در موقعیت فرکانس لحظه ای توزیع زمان- فرکانس قرار می گیرد بنابراین فرکانس لحظه ای تخمین زده شده بسیار نزدیک به فرکانس لحظه ای واقعی می باشد. اما در صورتی که فرکانس لحظه ای سیگنال کدگذاری شده از درجه های بالاتر باشد، انواع دیگری از توابع با شکل دلخواه در موقعیت فرکانس لحظه ای توزیع زمان- فرکانس قرار می گیرد و در نتیجه فرکانس لحظه ای تخمین زده شده با فرکانس لحظه ای واقعی فاصله زیادی خواهد داشت. در این پایان نامه از توزیع شبه ویگنر- وایل که یک توزیع پنجره ای است، برای محاسبه نمایش زمان- فرکانس استفاده گردید. با استفاده از این توزیع می توان طول پنجره را به گونه ای انتخاب کرد که فرکانس لحظه ای سیگنال کدگذاری شده در طول پنجره تا حد امکان خطی باشد. طول پنجره در این حالت نقش کلیدی در کارآیی روش دارد. به این صورت که اگر یک پنجره با طول کوتاه انتخاب گردد، میزان نوفه تصادفی تضعیف شده پایین خواهد بود؛ برای تضعیف میزان بیشتری نوفه تصادفی، بایستی طول پنجره را افزایش داد. اما افزایش طول پنجره هرچند میزان تضعیف نوفه را افزایش می دهد اما قسمتی از رویداد های اصلی را نیز تضعیف می کند. برای تضعیف نوفه بیشتر و حفظ رویداد های اصلی به طور همزمان، بایستی سیگنال حاوی نوفه تا حد امکان در طول پنجره خطی باشد. آشکار است که اگر به نحوی فرکانس رویداد های اصلی کاهش یابد این هدف برآورده خواهد شد. البته فرکانس نوفه تصادفی نباید در این فرآیند کاهش یابد. اعمال تبدیل شیب ردلرزه شعاعی روی داده لرزه ای، فرکانس رویداد های اصلی را کاهش می دهد اما تعداد زیادی ردلرزه شعاعی لازم است تا از دگرنامی جلوگیری شود و یک سری بد شکلی هایی نیز به دلیل درونیابی صورت گرفته در انجام تبدیل، ایجاد می گردد. در این پایان نامه، یک حالت اصلاح شده از تبدیل شیب ردلرزه شعاعی معرفی گردید. روش اصلاح شده نسبت به روش معمول سرعت بالاتری دارد و همچنین درونیابی بسیار کمتری هنگام اعمال آن لازم است. در روش اصلاح شده در این پایان نامه، ابتدا تبدیل شیب ردلرزه شعاعی اصلاح شده روی داده لرزه ای ورودی اعمال می گردد. سپس داده نوفه زدا شده، با اعمال فیلتر نقطه بیشینه زمان- فرکانس معمولی روی داده انتقال یافته به حوزه جدید، حاصل می گردد. در این روش می توان با استفاده از یک پنجره بلند، همزمان میزان زیادی نوفه را تضعیف نموده و رویداد های اصلی را نیز حفظ نمود. روش معمولی و اصلاح شده روی داده مصنوعی و واقعی اعمال گردید که مقایسه نتایج حاصل، موارد ذکر شده را تایید می کند. همچنین اعمال روش اصلاح شده روی داده لرزه ای حاوی نوفه زمین غلت نشان می دهد که با در نظر گرفتن پارامتر های مناسب این روش کارآیی خوبی نیز در تضعیف نوفه زمین غلت دارد.