تعداد نشریات | 161 |
تعداد شمارهها | 6,532 |
تعداد مقالات | 70,504 |
تعداد مشاهده مقاله | 124,122,689 |
تعداد دریافت فایل اصل مقاله | 97,230,812 |
تفکیک بیهنجاریهای ناحیهای و محلی در دادههای گرانیسنجی دو بعدی با استفاده از تحلیل طیفی تکینی دو بعدی | ||
فیزیک زمین و فضا | ||
مقاله 3، دوره 50، شماره 3، مهر 1403، صفحه 573-594 اصل مقاله (3.63 M) | ||
نوع مقاله: مقاله پژوهشی | ||
شناسه دیجیتال (DOI): 10.22059/jesphys.2024.367608.1007574 | ||
نویسندگان | ||
امین روشندل کاهو* ؛ رسول انوری | ||
گروه نفت و ژئوفیزیک، دانشکده مهندسی معدن، نفت و ژئوفیزیک، دانشگاه صنعتی شاهرود، شاهرود، ایران. | ||
چکیده | ||
تفکیک بیهنجاریهای ناحیهای و محلی در مطالعات میدان پتانسیل و بهخصوص در دادههای گرانیسنجی، پایه و مبنای تفسیر آنها است. نتایج مدلسازی معکوس دادههای میدان پتانسیل بهعنوان اصلیترین مرحله تفسیر بهشدت تحتتأثیر دادههای ورودی است که از مرحله تفکیک بیهنجاریهای ناحیهای و محلی به دست میآید. تاکنون روشهای متعددی برای تفکیک بیهنجاری ناحیهای از محلی در دادههای میدان پتانسیل ارائه شده است که هر کدام دارای مزایا و معایبی هستند. اغلب روشهای تفکیک بیهنجاری مبتنیبر تفکیک مؤلفههای عدد موج مربوط به هر کدام از بیهنجاریهای محلی و ناحیهای از یکدیگر میباشند. مطالعات پیشین نشان داده است که میان دامنه مؤلفههای عدد موج در طیف دامنه دو بعدی و مقادیر تکین ماتریس مسیر بهدستآمده از داده میدان پتانسیل ارتباط مستقیم و نظیر به نظیر وجود دارد. بنابراین، میتوان بیهنجاریهای ناحیهای و محلی در دادههای گرانیسنجی را با استفاده از روش تجزیه ماتریس مسیر داده گرانی به مؤلفه رتبه – پایین یا روش کاهش رتبه ماتریس مسیر تفکیک کرد. در این مقاله، الگوریتم تحلیل طیفی تکینی برای کاهش رتبه ماتریس مسیر داده گرانی بهمنظور تفکیک بیهنجاریهای ناحیهای و محلی در دادههای مدل مصنوعی و واقعی استفاده شد و نتایج آن با روشهای تفکیک فیلتر دادهمبنا، برازش چندجملهای و ادامه فراسو مقایسه شد. نتایج بهدستآمده در مدل مصنوعی و واقعی نشان داد که روش پیشنهادی نسبت به سایر روشهای مورد مقایسه در این مقاله، دقت بیشتری در تفکیک بیهنجاریهای ناحیهای و محلی دارد و اثرات کاذب کمتری در نتیجه حاصل ایجاد میکند. | ||
کلیدواژهها | ||
تفکیک بیهنجاری ناحیهای و محلی؛ تحلیل طیفی تکینی؛ ماتریس رتبه – پایین؛ ماتریس مسیر | ||
مراجع | ||
Anvari, R., Mohammadi, M., Roshandel Kahoo, A., Khan, N. A., & Abdullah, A. I. (2020). Random noise attenuation of 2D seismic data based on sparse low-rank estimation of the seismic signal. Computers & Geosciences, 135, 104376. Anvari, R., Roshandel Kahoo, A., Mohammadi, M., Khan, N. A., & Chen, Y. (2019). Seismic random noise attenuation using sparse low-rank estimation of the signal in the time–frequency domain. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 12(5), 1612-1618. Anvari, R., Siahsar, M. A. N., Gholtashi, S., Roshandel Kahoo, A., & Mohammadi, M. (2017). Seismic random noise attenuation using synchrosqueezed wavelet transform and low-rank signal matrix approximation. IEEE Transactions on Geoscience and Remote Sensing, 55(11), 6574-6581. Bhattacharyya, B. (1965). Two-dimensional harmonic analysis as a tool for magnetic interpretation. Geophysics, 30(5), 829-857. De Klerk, J. (2015). Adapting the singular spectrum analysis trajectory matrix technique to identify multiple additive time-series outliers. Studies in Economics and Econometrics, 39(3), 25-47. https://doi.org/10.1080/10800379.2015.12097284 Dentith, M., & Mudge, S. T. (2014). Geophysics for the mineral exploration geoscientist. Cambridge University Press. Downs, C., & Jazayeri, S. (2021). Resolution enhancement of deconvolved ground penetrating radar images using singular value decomposition. Journal of Applied Geophysics, 193, 104401. https://doi.org/10.1016/j.jappgeo.2021.104401 Eckart, C., & Young, G. (1936). The approximation of one matrix by another of lower rank. Psychometrika, 1(3), 211-218. Fedi, M., & Quarta, T. (2006). Wavelet analysis for the regional‐residual and local separation of potential field anomalies. Geophysical prospecting, 46(5), 507-525. Fedi, M., Quarta, T., & De Santis, A. (1997). Inherent power-law behavior of magnetic field power spectra from a Spector and Grant ensemble. Geophysics, 62(4), 1143-1150. Golyandina, N., Florinsky, I., & Usevich, K. (2007). Filtering of digital terrain models by 2D singular spectrum analysis. International Journal of Ecology & Development, 8(F07), 81-94. Golyandina, N., & Zhigljavsky, A. (2013). Singular Spectrum Analysis for time series. Springer Science & Business Media. Guo, L., Meng, X., Chen, Z., Li, S., & Zheng, Y. (2013). Preferential filtering for gravity anomaly separation. Computers & Geosciences, 51, 247-254. Hua, Y. (1992). Estimating two-dimensional frequencies by matrix enhancement and matrix pencil. Kumar, K. S., Rajesh, R., & Tiwari, R. K. (2018). Regional and residual gravity anomaly separation using the singular spectrum analysis-based low pass filtering: a case study from Nagpur, Maharashtra, India. Exploration Geophysics, 49(3), 398-408. Lange, K. (2010). Singular value decomposition (2 ed.). Springer. https://doi.org/10.1007/978-1-4419-5945-4 Mandal, A., & Niyogi, S. (2018). Filter assisted bi-dimensional empirical mode decomposition: A hybrid approach for regional-residual separation of gravity anomaly. Journal of Applied Geophysics, 159, 218-227. Mickus, K. L., Aiken, C. L., & Kennedy, W. (1991). Regional-residual gravity anomaly separation using the minimum-curvature technique. Geophysics, 56(2), 279-283. Moradi Shah Ghariyeh, A., Nejati Kalateh, A., & Roshandel Kahoo, A. (2015). Magnetic field anomaly separation using empirical mode decomposition. Iranian Journal of Geophysics, 9(1), 46-57. http://www.ijgeophysics.ir/article_33572_9effa4011ef0cc1f09877b044b25e484.pdf Nazari Siahsar, M. A., Gholtashi, S., Roshandel Kahoo, A., Marvi, H., & Ahmadifard, A. (2016). Sparse time-frequency representation for seismic noise reduction using low-rank and sparse decomposition. Geophysics, 81(2), V117-V124. Oropeza, V., & Sacchi, M. (2011). Simultaneous seismic data denoising and reconstruction via multichannel singular spectrum analysis. Geophysics, 76(3), V25-V32. Pawlowski, R. S., & Hansen, R. (1990). Gravity anomaly separation by Wiener filtering. Geophysics, 55(5), 539-548. Rajesh, R., Kumar, K. S., & Tiwari, R. (2020). Regional and residual gravity anomaly separation using singular spectrum based frequency filtering methods: A case study of shallow subsurface modeling from Nagpur, India. Pure and Applied Geophysics, 177(2), 977-990. Rekapalli, R., & Tiwari, R. (2016). Singular spectral analysis based filtering of seismic signal using new Weighted Eigen Spectrogram. Journal of Applied Geophysics, 132, 33-37. Roshandel Kahoo, A., & Nejati Kalateh, A. (2012). Potential field anomaly separation using empirical mode decomposition. Iranian Journal of Geology, 6(21), 51-56. Roshandel Kahoo, A., & Nejati Kalate, A. (2014). Estimation of the optimum upward continuation height for chromite prospecting at Hormozgan province. Iranian Journal of Geophysics, 8(2), 1-9. https://doi.org/20.1001.1.20080336.1393.8.2.1.4 Roshandel Kahoo, A., & Nejati Kalateh, A. (2015). Design of a data-based filter for separation of gravity anomalies. Iranian Journal of Mining Engineering, 10(26), 45-53. Roy, K. K. (2008). Potential theory in applied geophysics. Springer Science & Business Media. Sheriff, S. D. (2010). Matched filter separation of magnetic anomalies caused by scattered surface debris at archaeological sites. Near Surface Geophysics, 8(2), 145-150. Spector, A., & Grant, F. (1985). Statistical models for interpreting aeromagnetic data. Geophysics, 50(11), 1951-1960. Telford, W. M., Telford, W., Geldart, L., Sheriff, R. E., & Sheriff, R. E. (1990). Applied geophysics. Cambridge university press. Vautard, R., & Ghil, M. (1989). Singular spectrum analysis in nonlinear dynamics, with applications to paleoclimatic time series. Physica D: Nonlinear Phenomena, 35(3), 395-424. https://doi.org/10.1016/0167-2789(89)90077-8 Wang, J., Meng, X., & Li, F. (2020). A computation scheme based on field attenuation rate for improving regional-residual separation of potential field data set. Journal of Geophysics and Engineering, 17(1), 117-126. https://doi.org/https://doi.org/10.1093/jge/gxz095 Yang, H. H., & Hua, Y. (1996). On rank of block Hankel matrix for 2-D frequency detection and estimation. IEEE Transactions on Signal Processing, 44(4), 1046-1048. Zeng, H., Xu, D., & Tan, H. (2007). A model study for estimating optimum upward-continuation height for gravity separation with application to a Bouguer gravity anomaly over a mineral deposit, Jilin province, northeast China. Geophysics, 72(4), I45-I50. https://doi.org/https://doi.org/10.1190/1.2719497 Zhu, D., Li, H., Liu, T., Fu, L., & Zhang, S. (2020). Low-rank matrix decomposition method for potential field data separation. Geophysics, 85(1), G1-G16. https://doi.org/10.1190/geo2019-0016.1 | ||
آمار تعداد مشاهده مقاله: 384 تعداد دریافت فایل اصل مقاله: 329 |