وارون‌سازی داده‌های لرزه‌ای به روش مهاجرت زمانی معکوس حداقل مربعات بهینه

• Main Author: فرزاد مرادپوری
• Format: Article
• Language: English
• Published: Yazd University 2021-03-01
• Series: Analytical and Numerical Methods in Mining Engineering
• Subjects: وارون‌سازی; مهاجرت زمانی معکوس; مهاجرت وارون; حداقل مربعات; تندترین شیب
• Online Access: http://anm.yazd.ac.ir/article_1938_fbbcfeb948a7129c63efd94c027f907e.pdf
• ISSN: 2251-6565; 2676-6795

با توجه به ضعف روش‌های تصویرسازی لرزه‌ای پرتو - مبنا، استفاده از روش‌های تصویرسازی معادله موج - مبنا همانند روش مهاجرت زمانی معکوس (RTM) به عنوان یک جایگزین مناسب در سال‌های اخیر مورد توجه زیادی قرار گرفته است. اما از آنجایی‌که تصویرسازی به روش RTM مستقیم با استفاده از بازسازی میدان‌موج و شرط تصویرسازی همبستگی عرضی انجام می‌شود منجر به تولید پدیده‌های کاذب می‌شود. همین مسئله از چالش‌های عمده استفاده از این روش محسوب می‌شود. از این رو در مقاله حاضر به منظور مرتفع نمودن این مشکل از وارون‌سازی داده‌های لرزه‌ای با ترکیب دو عملگر مدل‌سازی روش RTM و مهاجرت حداقل مربعات برای تولید تصویر زیرسطحی استفاده می‌شود. به‌طوری‌که مهاجرت زمانی معکوس حداقل مربعات (LSRTM) با استفاده از روش تندترین کاهش و در قالب گرادیان معمولی و تطبیقی به‌صورت یک فرآیند تکراری شامل مهاجرت مستقیم و مهاجرت وارون برای حل مسئله حداقل مربعات اجرا می‌شود تا یک مدل عمقی بهتر بر مبنای حداقل مربعات به داده‌های مشاهده‌ای برازش شود. سپس تصاویر مهاجرت‌یافته حاصل از وارون سازی به روش LSRTM با استفاده از دو الگوریتم معرفی شده در تکرار‌های مختلف ارائه و ضمن مقایسه با همدیگر با روش RTMسنتی نیز مقایسه شده‌است. نتایج تصاویر مهاجرت‌یافته نشان از بهبود تصویر در روش LSRTM با رویکرد گرادیان تطبیقی داشته و این مقایسه از جنبه‌های دیگر همانند مقدار خطا، حساسیت به مدل سرعت، نوفه و زمان محاسبات نیز انجام گرفته و نشان‌دهنده نتایج بهتر این روش ‌است. در نهایت میزان نزدیکی نتایج هرکدام از روش‌های فوق به مدل بازتاب‌پذیری واقعی، با هم مقایسه شده و نشان از برتری روش گرادیان تطبیقی دارد.