<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE ArticleSet PUBLIC "-//NLM//DTD PubMed 2.7//EN" "https://dtd.nlm.nih.gov/ncbi/pubmed/in/PubMed.dtd">
<ArticleSet>
<Article>
<Journal>
				<PublisherName>دانشگاه صنعتی شاهرود</PublisherName>
				<JournalTitle>پژوهش های ژئوفیزیک کاربردی</JournalTitle>
				<Issn>2476-5007</Issn>
				<Volume>7</Volume>
				<Issue>2</Issue>
				<PubDate PubStatus="epublish">
					<Year>2021</Year>
					<Month>06</Month>
					<Day>22</Day>
				</PubDate>
			</Journal>
<ArticleTitle>Application of à trous DWT in the detection of seismic thin layers</ArticleTitle>
<VernacularTitle>کاربرد تبدیل موجک گسسته à trous در تشخیص لایه‌های نازک</VernacularTitle>
			<FirstPage>135</FirstPage>
			<LastPage>142</LastPage>
			<ELocationID EIdType="pii">1969</ELocationID>
			
<ELocationID EIdType="doi">10.22044/jrag.2021.10103.1300</ELocationID>
			
			<Language>FA</Language>
<AuthorList>
<Author>
					<FirstName>مریم</FirstName>
					<LastName>سلاجقه</LastName>
<Affiliation>دانشجوی کارشناسی ارشد؛ دانشگاه شهید باهنر کرمان، کرمان، ایران</Affiliation>

</Author>
<Author>
					<FirstName>علیرضا</FirstName>
					<LastName>گودرزی</LastName>
<Affiliation>دانشیار؛ دانشگاه تحصیلات تکمیلی صنعتی و فناوری پیشرفته کرمان، کرمان، ایران</Affiliation>

</Author>
<Author>
					<FirstName>مجید</FirstName>
					<LastName>نعمتی</LastName>
<Affiliation>دانشیار، دانشکده علوم، دانشگاه شهید باهنر کرمان، کرمان، ایران</Affiliation>

</Author>
</AuthorList>
				<PublicationType>Journal Article</PublicationType>
			<History>
				<PubDate PubStatus="received">
					<Year>2020</Year>
					<Month>09</Month>
					<Day>28</Day>
				</PubDate>
			</History>
		<Abstract>In hydrocarbon exploration, detecting thin layers is one of the most important parts of geophysical interpretation. Seismic data received from horizons whose distances are less than the transmitted wavelength interferes in the sections will represent a single layer. It is possible to use à trous DWT domain to detect thin layers in seismic data acquired from oilfields at the first high-pass scale. In this paper, the use of instantaneous attributes in the à trous DWT domain to detect thin layers is investigated. The data is decomposed by 1-D à trous DWT. In this way, the events are filtered out and, the values matched by the mother wavelet are calculated at each scale. Once the decomposition step is applied, at high scales, the events in higher frequencies remain, and this can be a significant aid in the detection of thin layers. The results of this step indicate that applying this method to synthetic and real data can have a significant improvement in the separation of events from each other. Conventional seismic attributes have also been used to highlight the results in real data.</Abstract>
			<OtherAbstract Language="FA">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.&lt;br /&gt;ثابت‌شده است که تجزیه طیفی یک روش مؤثر برای تحلیل سیگنال لرزه‌ای در اکتشاف نفت است.&lt;br /&gt;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.</OtherAbstract>
		<ObjectList>
			<Object Type="keyword">
			<Param Name="value">نشانگر لحظه‌ای</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">تبدیل موجک گسسته à trous</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">لایه‌نازک</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">اثر تیونینگ</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">مقطع لرزه‌ای</Param>
			</Object>
		</ObjectList>
<ArchiveCopySource DocType="pdf">https://jrag.shahroodut.ac.ir/article_1969_8e59a92a9983d1ae5a773204f671efdf.pdf</ArchiveCopySource>
</Article>
</ArticleSet>
