تحلیل زمان بسامد داده‌های لرزه‌ای با استفاده از روش تبدیل فشرده‌سازی همزمان چندگانه بازچینی شده در زمان برای آشکارسازی سایه کم بسامد

شناسایی سایه کم-بسامد از این حیث که در ارتباط با مخازن گازی هستند، بسیار اهمیت دارد. این سایه های کم-بسامد که ناشی از میرایی گاز بر روی امواج لرزه ای هستند، باعث می شوند تا بسامد های پایین در زیر مخازن گازی نسبت به بسامد های بالا دامنه قوی تری داشته باشند. لذا در صورتی که دقت زمانی مناسبی در شناسایی این نشانگر در نظر گرفته شود، مخزن گازی و به تبع آن موقعیت آن با دقت قابل توجهی شناسایی خواهد شد. یکی از روش های شناسایی سایه های کم-بسامد، تبدیل های زمان-بسامد هستند. لذا آن دسته از تبدیل های زمان-بسامدی که دارای قدرت تفکیک زمانی و بسامدی مطلوبی هستند، می توانند در شناسایی سایه های کم-بسامد کمک شایانی داشته باشند. در این مقاله، از روشی با عنوان تبدیل فشرده سازی همزمان چندگانه بازچینی شده در زمان (tmsst) استفاده می شود که نسبت به تبدیل های زمان-بسامد متداول از قبیل stft، rm، sst و msst از قدرت تفکیک زمانی و بسامدی بالاتری بهره می برد. لذا، با اعمال تبدیل ذکر شده بر روی یک داده مصنوعی و یک داده واقعی، این مهم به نمایش گذاشته شده است. به عنوان یک کاربرد لرزه ای، مقاطع تک- بسامد حاصل از یک میدان هیدروکربنی در محیط متلب تهیه و ناهنجاری های سایه کم-بسامد با استفاده از این روش زمان-بسامد با قدرت تفکیک بالا شناسایی گردیدند. علاوه بر این، در این مقاله از پارامتر رِنی که به طور مستقیم با تُنُکی در ارتباط بوده و جهت ارزیابی تمرکز انرژی مورد استفاده قرار می گیرد، استفاده شده است. عدد بدست آمده برای پارامتر رنی با استفاده از روش پیشنهادی در این مقاله، دلیلی دیگر در راستای اثبات عملکرد قابل توجه این روش در بدست آوردن نمایش زمان-بسامد با قدرت تفکیک زمانی و بسامدی بالا به طور همزمان می باشد.

time-frequency analysis of seismic data by time-reassigned multi-synchrosqueezing transform to detect low frequency shadows

summary identification of low-frequency shadows is very important in the sense that they are related to gas reservoirs. these low-frequency shadows, produced by gas attenuation on seismic waves, cause the low frequencies under the gas reservoirs to have stronger amplitudes compared to the amplitudes of the high frequencies. therefore, if proper time accuracy is considered in the identification of this indicator, the gas reservoir, and consequently, its position will be identified with considerable accuracy. one of the methods of identifying low-frequency shadows is time-frequency transforms. therefore, those time-frequency transforms that have good time and frequency resolution, can be of great help in identifying low-frequency shadows. in this research, a method called time-reassigned multi-synchrosqueezing transform (tmsst) is used that acts better than common time-frequency transforms such as short-time fourier transform (stft), reassignment method (rm), synchrosqueezing transform (sst) and multi-synchrosqueezing transform (msst) in terms of time and frequency resolution. therefore, by applying this transform on a synthetic dataset and a real dataset, its performance has been demonstrated. as a seismic application, single-frequency sections obtained from a hydrocarbon field were prepared in matlab environment and low-frequency shadow anomalies were detected using this time-frequency method with high resolution. in addition, in this study, the rennie parameter, which is directly related to the sparsity, has been used to evaluate the energy concentration. the number obtained for the rennie parameter using the method proposed in this paper is another reason for proving the remarkable performance of this method in obtaining time-frequency representation with high time and high frequency resolution at the same time. introduction different processes generate low-frequency seismic anomalies beneath gas reservoirs. in some instances, hydrocarbon-rich zones of such reservoirs might be considered as low-frequency domain anomalies that display no discernible time delay relative to reservoir reflections.seismic imaging is the last step in the processing chain of seismic data analysis and is typically the result of the two phases of processing and interpretation. both processing and interpretation can benefit from the use of seismic traces. therefore, it is crucial and necessary to be able to view signals and extract signal-related data. time and frequency domains are two typical techniques of displaying a seismic trace. actually, it is impossible to enjoy all these benefits simultaneously. as a result, it seems critical to create a tool that can show these two components of the signal at the same time. the analysis of a non-stationary signal, whose frequency content varies over time, benefits greatly from this representation that is referred to time-frequency representation (tfr).