دانشگاه صنعتی شاهرود پژوهش های ژئوفیزیک کاربردی 2476-5007 11 2 2025 09 23 Improving the eigen-structure seismic attribute in identifying seismic discontinuities using eigenvectors بهبود نشانگر لرزه‌ای ساختار ویژه در شناسایی ناپیوستگی‌های لرزه‌ای با استفاده از بردارهای ویژه 119 130 3505 10.22044/jrag.2025.15905.1368 FA محمدرضا موسوی نژاد دانشجوی کارشناسی ارشد اکتشاف معدن؛ دانشکده‌ مهندسی معدن، نفت و ژئوفیزیک، دانشگاه صنعتی شاهرود، شاهرود، ایران. امین روشندل کاهو دانشیار؛ دانشکده‌ مهندسی معدن، نفت و ژئوفیزیک، دانشگاه صنعتی شاهرود، شاهرود، ایران. محمد رداد استادیار؛ دانشکده‌ مهندسی معدن، نفت و ژئوفیزیک، دانشگاه صنعتی شاهرود، شاهرود، ایران. Journal Article 2025 03 11 Faults and various types of discontinuities play a significant role in the exploration, extraction, and exploitation of hydrocarbon resources. One of the important and widely used tools for identifying these geological features is seismic data. Although faults create discontinuities in seismic data, making their identification possible, due to various reasons such as the detrimental effects of noise and the time-consuming nature of manual identification, seismic attributes are now commonly used for fault detection and exploration in seismic data. Various types of attributes have been introduced for identifying seismic discontinuities, among which coherence attribute is one of the most widely used and common. In this research, a new coherence attribute based on eigenvectors and eigenvalues of the covariance matrix is examined and analyzed. This method, in comparison to the conventional structure-based coherence attribute utilizes both eigenvalues and eigenvectors for coherence analysis. The use of eigenvectors increases the method's sensitivity to changes in shape and polarization, whereas the conventional structure-based method, which relies solely on eigenvalues, is sensitive to energy changes. The results from evaluating the proposed attribute on synthetic and real data indicate that this method offers higher resolution in identifying discontinuities, particularly those that only cause waveform changes and polarization shifts, compared to semblance-based and conventional structure-based methods. Additionally, the analysis of results shows that the improved structure-based coherence attribute exhibits acceptable stability in the presence of random noise. These characteristics make the proposed method a more effective tool for identifying faults and discontinuities in seismic data. 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. https://jrag.shahroodut.ac.ir/article_3505_70b5ba59083c975e1fa045c6b94e940b.pdf