این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
ژئوفیزیک ایران، جلد ۶، شماره ۱، صفحات ۸۴-۹۴
عنوان فارسی مقایسه روش‌‌های تجزیه‌طیفی برای شناسایی کانال‌‌ها در یکی از مخازن جنوب غربی ایرانمقایسه روش‌‌های تجزیه‌طیفی برای شناسایی کانال‌‌ها در یکی از مخازن جنوب غربی ایران
چکیده فارسی مقاله از اولین روش‌های زمان- بسامد در تجزیه طیفی تبدیل فوریه زمان-کوتاه (STFT) است. در این روش پنجره‌ای مناسب با طول ثابت در نظر گرفته می‌شود. امواج لرزه‌ای از جمله امواج غیرپایا هستند که محتوای بسامدی متغیر با زمان دارند. ازاین‌رو باید از روش‌هایی بهره گرفت که طول پنجره در آنها متغیر با بسامد باشد. از جمله روش‌هایی که می‌تواند مورد استفاده قرار گیرد تبدیل s است. در این روش تفکیک‌‌پذیری زمانی و بسامدی در صفحه زمان- بسامد تغییر می‌کند تا یک تحلیل با تفکیک‌پذیری چندگانه به‌دست آید. علاوه‌‌براین روش دیگری تحت عنوان تجزیه با تعقیب تطابق (MPD)، که روش جدیدتری نسبت به روش‌های پیش‌گفته‌ است، وجود دارد که در الگوریتم خود از توزیع ویگنر- ویل استفاده می‌کند. در این مقاله از مقاطع لرزه‌ای تک‌‌بسامد که با استفاده از روش‌های زمان-بسامد مقاطع لرزه‌ای حاصل شده است، برای تشخیص کانال‌ها استفاده می‌شود..
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Comparison of spectral decomposition methods to detect channels in one of the reservoirs of southwest Iran
چکیده انگلیسی مقاله Spectral decomposition has provided a means for observing those features in seismic data that are not always clear in the time domain. There are several approaches that can be used to produce a spectral decomposition of a seismic trace. A case history of using the spectral decomposition and coherency to interpret incised valleys was shown by Peyton et al. (1998). Partyka et al. (1999) used a windowed spectral analysis to produce discrete-frequency energy cubes for applications in reservoir characterization. Continuous wavelet transform (CWT) was introduced by Morlet et al. (1982). In CWT, time frequency atoms are chosen in such a way that its time support changes for different frequencies according to Heisenberg’s uncertainty principle (Mallat, 1999; Daubechies, 1992). In early years, transforming the seismic traces into time and frequency domain was done via a windowed Fourier transform, called the Short Time Fourier Transform (STFT). In STFT, the time-frequency resolution is fixed over the entire time-frequency space by reselecting a window length. Therefore, the resolution in the seismic data analysis becomes dependent on a user-specified window length. This problem can be resolved by an S-transform .The window used in this method at any given moment is adapted to the frequency analysis. In this method, time and frequency resolution will change the window of the time–frequency to obtain a multi-resolution analysis. The CWT commonly used in the data compression decomposes the signal from the time domain to a time-scale domain using the orthogonal wavelets that vary in length and frequency by a factor of two. In contrast, the S-transform decomposes the signal from the time domain to a time-frequency domain using the non-orthogonal variable size Morlet wavelet (Mallat, 1999; Stockwell, 1996; Sinha, et al., 2005). While being computationally more intensive than the orthogonal wavelet transform, the nonorthogonal S-transform provides an added time and frequency resolution valuable for interpretation. St­ockwell et al. (1996) interpreted the S-transform as a combination of CWT and STFT. The difference between the S-transform and STFT is that the Gaussian window is a function of time and frequency for the S-transform, while it is only a function of time for the Short Time Fourier Transform (STFT). Another method of spectral decomposition is Matching Pursuit Decomposition (MPD). MPD involves a cross-correlation of the wavelet dictionary against the seismic trace. The projection of the best correlating wavelet on the seismic trace is then subtracted from that trace. The wavelet dictionary is then cross-correlated against the residual, and again the best correlated wavelet projection is subtracted. The process is repeated iteratively until the energy left in the residual falls below some acceptable threshold (Castagna, 2006). MPD has been used recently in a seismic signal analysis (Castagna et al., 2003; Liu and Marfurt, 2005). Wang et al. (2007) has applied an inverse-Q filter to the seismic signals to show the existence of a low-frequency shadow. One of the applications of the spectral decomposition is to detect the geological structures with less thickness such as buried channels. Filled with porous rocks, and located in a non-porous environment, the channels will be a good place for hydrocarbon reserves. For this reason, from the past, detection of the boundary of these channels and lithologic features inside them has been essential in explorations of these reserves. In this paper, we investigated the application and efficiency of the S-transform and MPD methods in the time-frequency analysis of the seismic sections to delineate and detect a buried channel in Sarvak Formation in one of the oil fields located in the South West of Iran. The results from the MPD and S-transform were compared with an STFT applying to the single frequency seismic sections at frequencies 15 Hz and 25 Hz.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله رضا محبیان |
موسسه ژئوفیزیک دانشگاه تهران، ایران
سازمان اصلی تایید شده: دانشگاه تهران (Tehran university)

مصطفی یاری |
موسسه ژئوفیزیک دانشگاه تهران، ایران
سازمان اصلی تایید شده: دانشگاه تهران (Tehran university)

محمد علی ریاحی | mohammad ali
موسسه ژئوفیزیک دانشگاه تهران، ایران
سازمان اصلی تایید شده: دانشگاه تهران (Tehran university)

نشانی اینترنتی http://www.ijgeophysics.ir/article_40613_4771d0ed7bf3593e9aa9822c745aa49f.pdf
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/1514/article-1514-427807.pdf
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات