کاربرد تبدیل موجک گسسته à trous در تشخیص لایه‌های نازک

نوع مقاله : سایر مقالات

نویسندگان

1 دانشجوی کارشناسی ارشد؛ دانشگاه شهید باهنر کرمان، کرمان، ایران

2 دانشیار؛ دانشگاه تحصیلات تکمیلی صنعتی و فناوری پیشرفته کرمان، کرمان، ایران

3 دانشیار، دانشکده علوم، دانشگاه شهید باهنر کرمان، کرمان، ایران

10.22044/jrag.2021.10103.1300

چکیده

در اکتشافات هیدروکربنی تشخیص لایه‌های نازک یکی از مهم‌ترین بخش‌های تفسیر ژئوفیزیکی است. به دلیل انبساط موجک تولیدشده لرزه‌ای که ناشی از اثر تضعیف فرکانس‌های بالا در زمین است داده‌های دریافتی از افق‌هایی که فاصله آن‌ها کمتر از طول موج ارسالی است، دچار تداخل شده و به‌صورت یکپارچه در مقاطع دیده می‌شود، به‌نحوی‌که این داده‌ها نشانگر یک‌لایه خواهد بود. استفاده از حوزه تبدیل موجک گسسته à trous برای تشخیص لایه‌های نازک در داده‌های استحصالی از میدان‌های نفتی، برای اولین مقیاس بالاگذر در این حوزه، به دلیل عدم نویز امکان‌پذیر است.
ثابت‌شده است که تجزیه طیفی یک روش مؤثر برای تحلیل سیگنال لرزه‌ای در اکتشاف نفت است.
در این مقاله درداده واقعی جهت اعتبارسنجی، استفاده از نشانگرهای لحظه‌ای در حوزه تبدیل موجک گسسته à trous برای تشخیص لایه‌های نازک در مقاطع لرزه‌ای بررسی‌شده است. شیوه کار بدین صورت است که ابتدا داده‌ها به‌صورت یک‌بعدی و رد لرزه به رد لرزه توسط تبدیل موجک گسسته à trous تجزیه می‌گردد. به دلیل آنکه داده‌ها در هر مقیاس توسط موجک خاصی مورد تجزیه‌وتحلیل قرار می‌گیرند، به‌نوعی رویدادها پالایه شده و درواقع مقادیر هم‌سنجی شده با موجک مادر در هر مقیاس محاسبه می‌شود. پس از اعمال مرحله تجزیه در مقیاس‌های بالاگذر رویدادها با فرکانس بالاتر باقی می‌ماند و همین مسئله می‌تواند به تشخیص لایه‌های نازک کمک شایان توجهی کند. نتایج این مرحله مبین آن است که اعمال روش مذکور بر داده‌های مصنوعی و داده‌های واقعی می‌تواند به بهبود قابل‌توجهی در جدایش رویدادها از یکدیگر منجر شود. برای برجسته‌سازی نتایج درداده واقعی از نشانگرهای متداول لرزه‌ای نیز بهره گرفته‌شده است.

کلیدواژه‌ها


پاک‌منش، پ.، گودرزی، ع.، کورکی، م.، 1397، مقایسه واهمامیخت تنک داده‌های لرزه‌ای به روشMM  و حداقل مربعات با رویکرد تشخیص لایه‌های نازک،. پژوهش‌های ژئوفیزیک کاربردی، 4 (1)، 15-26.
قانع عزآبادی، م. و جواهریان، ع.، 1391، کاربرد تحلیل طیفی لحظه ای در شناسایی سایه های فرکانس پایین وابسته به هیدروکربورها، فصلنامه زمین، 7 (23)، 31-50.
گودرزی، ع.، ملایی، ف.، ۱۳۹۷،  افزایش توان تفکیک داده های لرزه ای با استفاده از تبدیل موجک گسسته مختلط، نشریه پژوهش های ژئوفیزیک کاربردی، ۴ (۲)، ۲۱۱-۲۲۳.  
Baraniuk, R., Coates, M. and Steeghs, P., 2001. Hybrid linear/quadratic time-frequency attributes. IEEE Transactions on Signal Processing, 49 (4) , 760-766.
Castagna, J., Sun, S. and Siegfried, R., 2003. Instantaneous spectral analysis: Detection of low-frequency shadows associated with hydrocarbons. The Leading Edge, 22 (2) , 120-127.
Cohen, L., 1989. Time-frequency distributions-a review. Proceedings of the IEEE, 77 (7) , 941-981.
Jinghuai Gao, Xiaolong Dong, Wen-Bing Wang, Youming Li and Cunhuan Pan, 1999. Instantaneous parameters extraction via wavelet transform. IEEE Transactions on Geoscience and Remote Sensing, 37 (2) , 867-870.
Liu, J. and Marfurt, K., 2007. Instantaneous spectral attributes to detect channels. GEOPHYSICS, 72 (2) , P23-P31.
Lu، J.M. Wang، Y., 2011, The Principle of Seismic Exploration; China Petroleum University Press: Beijing، China; ISBN 978-7-5636-2822-3.
Marfurt, K. and Kirlin, R., 2001. Narrow‐band spectral analysis and thin‐bed tuning. GEOPHYSICS, 66 (4) , 1274-1283.
Partyka, G., Gridley, J. and Lopez, J., 1999. Interpretational applications of spectral decomposition in reservoir characterization. The Leading Edge, 18 (3) , 353-360.
Quan, Y. and Harris, J., 1997. Seismic attenuation tomography using the frequency shift method. GEOPHYSICS, 62 (3) , 895-905.
Roshandel Kahoo, A. and Gholtashi, S., 2015, An Improvement in Temporal Resolution of Seismic Data Using Logarithmic Time-frequency Transform Method, Iranian Journal of Oil & Gas Science and Technology, 4 (2), 27-39.
Widess, M., 1973. How Thin is a Thin Bed?. Geophysics, 38 (6), 1176-1180.
Yang, C.; Wang, Y.; Lu, J.; Chen, B.C.; Shi, L. 2019, A Low-Order Series Approximation of Thin-Bed PP-Wave Reflections. Appl. Sci., 9, 709.
Yuan, S., Wang, S., Ma, M., Ji, Y. and Deng, L., 2017. Sparse Bayesian Learning-Based Time-Variant Deconvolution. IEEE Transactions on Geoscience and Remote Sensing, 55 (11) , 6182-6194.
Zhou, J., Ba, J., Castagna, J., Guo, Q., Yu, C. and Jiang, R., 2019. Application of an STFT-Based Seismic Even and Odd Decomposition Method for Thin-Layer Property Estimation. IEEE Geoscience and Remote Sensing Letters, 16(9) , 1348-1352.