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