بهبود نشانگر لرزهای ساختار ویژه در شناسایی ناپیوستگیهای لرزهای با استفاده از بردارهای ویژه | ||
| پژوهش های ژئوفیزیک کاربردی | ||
| دوره 11، شماره 2، مهر 1404، صفحه 119-130 اصل مقاله (752.18 K) | ||
| نوع مقاله: سایر مقالات | ||
| شناسه دیجیتال (DOI): 10.22044/jrag.2025.15905.1368 | ||
| نویسندگان | ||
| محمدرضا موسوی نژاد1؛ امین روشندل کاهو* 2؛ محمد رداد3 | ||
| 1دانشجوی کارشناسی ارشد اکتشاف معدن؛ دانشکده مهندسی معدن، نفت و ژئوفیزیک، دانشگاه صنعتی شاهرود، شاهرود، ایران. | ||
| 2دانشیار؛ دانشکده مهندسی معدن، نفت و ژئوفیزیک، دانشگاه صنعتی شاهرود، شاهرود، ایران. | ||
| 3استادیار؛ دانشکده مهندسی معدن، نفت و ژئوفیزیک، دانشگاه صنعتی شاهرود، شاهرود، ایران. | ||
| چکیده | ||
| در دادههای لرزهای، حضور گسلها معمولاً با ایجاد ناپیوستگی در الگوی پیوستهی بازتابها همراه است. با این حال، به دلایل مختلفی مانند تأثیر مخرب نوفه و دشواریهای ناشی از شناسایی بصری، روشهای سنتی شناسایی گسلها با محدودیتهایی همراه هستند. به همین منظور، امروزه از نشانگرهای لرزهای بهعنوان ابزاری کارآمد جهت تسهیل در شناسایی و اکتشاف گسل در دادههای لرزهای استفاده میشود. انواع مختلف نشانگرهای لرزهای برای شناسایی ناپیوستگیهای لرزهای معرفی شدهاند که نشانگر همدوسی یکی از رایجترین آنها است. معیارهای مختلفی برای محاسبه نشانگر همدوسی در داده لرزهای وجود دارد که دو معیار شباهت و ساختار ویژه از پرکاربردترین و متداولترین آنها هستند. معیار ساختار ویژه که دارای دقت و قدرت تفکیک بالاتری نسبت به معیار شباهت است، از مقادیر ویژه ماتریس کوواریانس پنجره تحلیل که به تغییر انرژی حساس هستند، استفاده میکند. به همین دلیل، این معیار در شناسایی ناپیوستگیهایی که تغییر شکل موج در آنها رخ میدهد، ناتوان است. به همین منظور، در این مقاله یک نشانگر همدوسی جدید مبتنی بر استفاده همزمان از بردارها و مقادیر ویژه ماتریس کوواریانس معرفی شده است. افزوده شدن این مؤلفه، حساسیت روش را نسبت به تغییرات شکل و قطبش افزایش داده، در حالیکه روش ساختار ویژه متداول عمدتاً نسبت به تغییرات انرژی حساسیت نشان میدهد. نتایج حاصل از ارزیابی نشانگر پیشنهادی روی دادههای مصنوعی و واقعی نشان میدهد که این روش در شناسایی ناپیوستگیها به خصوص ناپیوستگیهایی که فقط سبب تغییر شکل موج و تغییر قطبش شدهاند، در مقایسه با روشهای مبتنی بر شباهت و ساختار ویژه متداول، قدرت تفکیکپذیری بالاتری را ارائه میدهد. همچنین، تحلیل نتایج نشان میدهد که نشانگر همدوسی مبتنی بر ساختار ویژه بهبودیافته، در شرایط وجود نوفه تصادفی با سطوح مختلف نوفه دارای پایداری قابل قبولی است. این ویژگیها، روش پیشنهادی را به ابزاری کارآمدتر برای شناسایی گسل و ناپیوستگیها در دادههای لرزهای تبدیل میکند. | ||
| کلیدواژهها | ||
| ناپیوستگی لرزهای؛ گسل؛ نشانگر لرزهای؛ همدوسی؛ ساختار ویژه | ||
|
سایر فایل های مرتبط با مقاله
|
||
| مراجع | ||
|
Bahorich, M., and S. Farmer, 1995, 3-D seismic discontinuity for faults and stratigraphic features: The coherence cube: The leading edge, 14, no. 10, 1053-1058.
Barnes, A., 2016, Handbook of Poststack Seismic Attributes, Society of Exploration Geophysicists, 21, 268 pp.
Cansiz, S., 2023, A guide to Covariance, Covariance Matrix and Eigenvalues, Built In. https://builtin.com/data-science/covariance-matrix.
Chopra, S., and K. J. Marfurt, 2007, Seismic attributes for prospect identification and reservoir characterization: SEG and EAGE.
Gersztenkorn, A., and K. J. Marfurt, 1999, Eigenstructure-based coherence computations as an aid to 3-D structural and stratigraphic mapping: Geophysics, 64, no. 5, 1468-1479.
Hashemi Gazar, A., and A. Javaherian, 2011, Using semblance based coherency to detect micro faults in the Khangiran gas field: Earth and Space Physics, 37, no. 1.
Huo, Z., X. Liu, X. Wang, and W. Chen, 2019, An efficient eigenstructure-based coherence measure via dimensionality reduction: IEEE Geoscience and Remote Sensing Letters, 16, no. 11, 1711-1715.
Javaheri Niestanak, A., A. Javaherian, and N. Amini, 2007, Faults Detection Using Seismic Coherency Attribute: Scientific Quarterly Journal of Geosciences, 17, no. 65, 48-59.
Li, F., B. Lyu, J. Qi, S. Verma, and B. Zhang, 2021, Seismic coherence for discontinuity interpretation: Surveys in Geophysics, 1-52.
Li, Y., W. Lu, H. Xiao, S. Zhang, and Y. Li, 2006, Dip-scanning coherence algorithm using eigenstructure analysis and supertrace technique: Geophysics, 71, no. 3, V61-V66.
Marfurt , K. J., R. L. Kirlin, S. L. Farmer, and M. S. Bahorich, 1998, 3-D seismic attributes using a semblance-based coherency algorithm: Geophysics, 63, no. 4, 1150-1165.
Mirkamali, M., H. Ramazi, M. Bakhtiari, and H. Ramesh, 2015, Compilation of Seismic Attributes and Artificial Neural Networks in Identifying Fault Systems in the Hormuz Strait Area: Scientific Quarterly Journal of Geosciences, 24, no. 95, 351-358.
Naik, G. R., 2017, Advances in principal component analysis: research and development: Springer.
Shirazi, M., A. Roshandel Kahoo, M. Radad, and G. Yu, 2023, Detecting shallow gas reservoir in the f3 block, The Netherlands, using offshore seismic data and high-resolution multi-synchrosqueezing transform: Natural Resources Research, 32, no. 5, 2007-2035.
Sui, J., X. Zheng, Q. Zeng, Z. Yang, L. Gan, and T. Hu, 2023, Seismic Coherence Attribute Based on Eigenvectors and Its Application: IEEE Geoscience and Remote Sensing Letters.
Suppe, J., 1985, Principles of structural geology: Englewood Cliffs: Prentice-Hall.
Talebi, A., S. Joneidi, M. Fereidooni, h. hashemi, G. R. shahalipour, and H. Ghandehari, 2023, Determining the probability of the faults and fractures in one of the oil reservoirs based on the seismic indicators of the steering cube: Journal of Petroleum Geomechanics, 6, no. 2, 21-30. http://dx.doi.org/10.22107/jpg.2023.394563.1196.
Taner, M., 2001, Seismic attributes: Canadian Society of Exploration Geophysicists Recorder: CSEG Recorder, September Issue, 48-56.
Wang, X., J. Gao, W. Chen, and Y. Song, 2012, An efficient implementation of eigenstructure-based coherence algorithm using recursion strategies and the power method: Journal of Applied Geophysics, 82, 11-18.
Zhao, X., S. Wang, S. Yuan, C. Xu, and T. Wang, 2020, An efficient and robust scheme for the implementation of eigenstructure-based coherency algorithms: Geophysics, 85, no. 5, O97-O108. | ||
|
آمار تعداد مشاهده مقاله: 416 تعداد دریافت فایل اصل مقاله: 90 |
||
