تضعيف نوفه بازتاب تكرار از داده لرزه‌اي با الگوريتم آناليز نوفه در حوزه موجك

Multiple reflection noise attenuation from seismic data using wavelet domain noise analysis algorithm

بازتاب‌هاي تكرار يا چندگانه‌ها از نوفه‌هاي همدوس لرزه اي مي‌باشند و حضور آن ها به خصوص در داده‌هاي دريايي باعث پايين آمدن كيفيت داده ‌‌‌‌مي‌شود. تضيف آن ها موجب افزايش كيفيت مقاطع لرزه اي خواهد شد. در اين تحقيق از تبديل موجك جديدي با نام "تبديل موجك دو شاخه اي ضريب اتساع گويا"((DT-RADWT براي حذف نوفه بازتاب تكراري از داده لرزه اي استفاده خواهد شد. مزيت اين تبديل نسبت به تبديل‌هاي موجك گسسته رايج، نمونه برداري گوياي آن ‌مي‌باشد كه امكان فراهم كردن تفكيك پذيري زماني- فركانسي بالاتري را ميسر ‌مي‌كند. الگوريتم پيشنهادي اين مقاله آناليز نوفه در حوزه موجك يا WDNA ‌مي‌باشد، كه در آن از DT-RADWT و تكرار جدايش برگمان استفاده خواهد شد. الگوريتم تكرار جدايش برگمان به منظور حصول سريع به پاسخ بهينه طراحي شده است. WDNA الگوريتمي بر پايه داده ‌مي‌باشد. استفاده از تبديل رادون براي تضعيف بازتاب‌هاي تكرار رايج است، براي بi دست آورد الگوي اوليه بازتاب‌هاي تكراري استفاده خواهد شد. هدف WDNA اين است كه خروجي تبديل رادون ارتقا يابد و امواج بازتابي بهتر حفظ شوند. حضور سطوح بالاي نوفه اتفاقي باعث كاهش كيفيت نوفه زدايي ‌‌‌‌مي‌شود اما WDNA به گونه اي طراحي شده است كه بتواند بر اثر مخرب نوفه اتفاقي غلبه كند. نتايج WDNA در تضعيف بازتاب هاي تكرار، توسط داده مصنوعي و دريايي آزمايش شده و نتايج آن با خروجي تبديل رادون و WDGA مقايسه گرديده و ارائه شده است. نتايج نشان دهنده بهبود كيفيت داده لرزه اي در الگوريتم WDNA و حفظ بهتر بازتاب‌هاي اوليه نسبت به تبديل رادون ‌مي‌باشد.

Multiple reflections are coherent seismic noises whose presence, especially in marine data, lower data quality. In this research "dual-tree rational dilatation wavelet transform" o‎r DT-RADWT is used to attenuate multiple reflection noise from seismic data. The advantage of this transform to the dyadic discrete wavelet transform, is its fractional sampling, which allows for higher timefrequency resolution. The proposed algorithm in this research is wavelet domain noise analysis or WDNA, in which DT-RADWT and split Bergman iteration algorithm are used. WDNA is a data-based algorithm. The split Bergman iterative algorithm is designed to quickly obtain the optimal solution. Radon transform is a common method to attenuate multiple reflections, and it is used to obtain the initial pattern of multiple reflections. The purpose of WDNA is to improve Radon transform output and to better maintain primary reflections. The presence of high levels of random noise reduces the quality process of noise reduction, but WDNA is designed to overcome the adverse effect of random noise. The WDNA results in multiple reflection attenuation have been tested by synthetic and marine data, and their results have been compared with Radon and WDGA outputs. The results show good improvement in seismic data quality using WDNA algorithm in comparison with Radon transform.