مقایسه روش های ترکیبی و ماشین آموزش دیکشنری برای تضعیف نوفه های لرزه ای اتفاقی

عنوان دوره: بیستمین کنفرانس ژئوفیزیک ایران
کد مقاله : 2017-NIGS
نویسندگان
1دانشجوی کارشناسی ارشد، موسسه ژئوفیزیک، دانشگاه تهران
2استادیار گروه فیزیک زمین، موسسه ژئوفیزیک، دانشگاه تهران
3استاد گروه فیزیک زمین، موسسه ژئوفیزیک، دانشگاه تهران
چکیده
داده های لرزه ای اغلب به نویز تصادفی آلوده می شوند و بنابراین ممکن است به دلیل نسبت سیگنال به نویز پایین، کیفیت پایینی داشته باشند. نویز تصادفی نه تنها ممکن است بر وارون سازی سرعت و انتقال لرزه ای تأثیر بگذارد، بلکه باعث ایجاد خطرات بالقوه در پردازش و تفسیر برانبارش به دلیل اثرات آن می شود. برای کاهش اثر نویز بر داده های لرزه ای روش ها ی مختلفی وجود دارد، وروش های دیگری نیز داریم که ترکیبی از این روش ها می باشند که نقاط ضعف روش های تکی را همپوشانی میکنند.یکی از روش های بسیار مطلوب روش ماشین یادگیری برای تضعیف نویز لرزه ای می باشد، که در این مقاله به مقایسه چند روش ترکیبی با روش ماشین یادگیری می پردازیم.
کلیدواژه ها
 
Title
Comparison of combined methods and dictionary learning machine for seismic random noise attenuation
Authors
Yahya Ashkavand, Majid Bagheri, Majid Nabi Bidhendi
Abstract
Seismic data is often contaminated with random noise and therefore may be of poor quality due to the low signal-to-noise ratio. Stochastic noise may not only affect speed reversal and seismic transmission, but also create potential hazards in processing and interpreting its overload due to its effects. There are various methods to reduce the effect of noise on seismic data, and we have other methods that are a combination of these methods that overlap the weaknesses of individual methods. One of the most desirable methods is the machine learning method to weaken Is seismic noise, which in this article we compare several combined methods with machine learning method.
Keywords
stacking, smeared, Signal, Wavelet, coherence, Seismic section