ارائه یک روش نوین تحلیلی‌ - عددی جهت حل معادله موج کامل در مدل‌ سازی لرزه‌ای بر مبنای روش‌های بسط سریع و لیپفراگ

در مدل‌سازی لرزه‌ای روش تفاضل محدود یک ابزار معروف و محبوب عددی برای گسسته‌سازی معادله موج است که در آن عملگر زمان توسط یک تقریب مرتبه دو و مشتقات مکانی توسط یک رویه مرتبه چهار تقریب زده می‌شوند. تقریب مشتق زمان به این صورت باعث ایجاد خطای عددی می‌گردد که با انتخاب گام‌های زمانی کوچک می‌توان از آن جلوگیری کرد، این امر باعث افزایش زمان محاسبات نیز می گردد. همچنین برای گسسته‌سازی زمانی از برخی روش‌های دیگر همانند روش‌های استورمر‌فرلت، لیپفراگ و اخیراً روش ترکیبی بسط سریع‌استورمر‌فرلت استفاده شده است که در این مقاله مورد بحث، بررسی و مقایسه قرار گرفته است. هدف اصلی مقاله حاضر ارائه یک روش عددی جدید با استفاده از انتگرال‌گیری ترکیبی لیپفراگ و روش بسط سریع برای دستیابی به دقت و پایداری بالا به منظور حل عددی معادله موج برای مدل‌سازی و مهاجرت زمانی معکوس داده‌های لرزه‌ای می‌باشد. با استفاده از روش بسط سریع و روش تبدیل فوریه برای مشتقات مکان، می‌توان روش پیشنهادی مطالعه حاضر، یعنی روش ترکیبی بسط سریعلیپفراگ، را به منظور انتشار میدان موج، حتی برای گام‌های زمانی بزرگتر نیز بکار برد. با روش پیشنهادی، پاسخ معادله موج و مشتق اول آن نسبت به زمان در هر گام زمانی مورد استفاده بدست می آید. روش ارائه شده نه تنها برای گام‌های زمانی کوچک، دارای دقت بسیار بالایی است، بلکه با افزایش گام زمانی به چندین برابر، دارای خطای به مراتب کمتری نسبت به سایر روش‌های ارائه شده از این دست همانند روش استورمرفرلت، روش لیپفراگ و روش ترکیبی بسط سریعاستورمرفرلت می‌باشد.

A new numerical and analytical scheme to solve the full wave equation for seismic modeling based on REM and Leapfrog methods

Summary The aim of this paper is to present a new numerical method to solve the wave equation with a good accuracy and high stability using the Leapfrog symplectic integrator and rapid expansion method (REM). It can be used for seismic modeling and reverse time migration (RTM). Using the REM with Fourier transform method for spatial derivative, the Leapfrograpid expansion method (LREM) can be even used for larger time steps. The LREM provides the solution of the wave equation and its first time derivative at the current time step. In addition to the very low error for the small time steps, increasing the time step also lead to  more accurate results and high stability in comparison with the similar methods such as StörmerVerlet, Leapfrog and StörmerVerletrapid expansion method which will also be discussed in this paper.   Introduction Wavefield extrapolation is implemented by solving the wave equation through various mathematical methods. The finite difference method is a wellknown and popular numerical tool to discretize the wave equation, and its use has been common in the approximation of the spatial and time derivatives for a wavefield. Originally, the time operator was approximated by a secondorder scheme, whereas the spatial derivatives were approximated by a fourthorder scheme. Approximating the time derivative in this way may introduce numerical error, leading to distortion of the pulse and numerical dispersion, which can be avoided with small time steps at the expense of increasing the computational time. Also some other methods such as StörmerVerlet (SV), Leapfrog (L) and StörmerVerletrapid expansion method (SVREM) have been presented to improve the solution of wave equation. In the current study, a symplectic scheme based on Leapfrog integrator and rapid expansion method (LREM) is proposed to extrapolate the wavefield and its first derivatives in time for the same time step which can be used to calculate Poynting vectors for wavefield separation and to calculate the reflection angles.   Methodology and Approaches In order to verify the numerical accuracy and behaviour of the error associated with LeapfrogREM scheme a numerical example has been presented to be solved using different time sampling values. For implementation, an explosive source used in the centre of the computational domain having a Ricker wavelet with a maximum frequency of 25 Hz.   Results and Conclusions The presented LREM scheme provides the solution of the wave equation and its first time derivative for different time steps. In addition to the very low error for the small time steps, increasing the time step also lead in the more accurate results and high stability in comparison with the similar methods.