Sample records for seismic noise
from WorldWideScience.org

Sample records 1 - 3 shown.



1

Filtros ótimos: efeitos de janelas e de tipo de fase

Leite, Lourenildo W. B.; Alves, Fábio J. C.
2003-06-01

Resumo em português O objetivo central deste trabalho é o estudo do desempenho do operador deconvolucional WHL na compressão do pulso-fonte sísmico, sob condições especiais de fase não-mínima e da densidade de eventos no traço, como casos advogados para dados reais e processamento em rotina. O método de ataque ao problema construído é centrado no conteúdo da informação da função autocorrelação submetida a diferentes condições: (a) de truncamento e tipo de janelas; (b) das (mais) características da fase do operador (se mínima ou não-mínima); (c) da medida de qualidade; (d) do nível de embranquecimento; (e) do ruído presente e da equalização; (f) do balanceamento do traço; (g) dos princípios físicos da propagação expressos e limitados pelo modelo convolutional. Os resultados obtidos são apenas na forma numérica, organizados na forma de álbuns com dificuldades crescentes, e demonstram como o uso de janelas na autocorrelação serve para diagnosticar e melhorar a performance dos operadores. Concluímos que muitas perguntas ainda surgem quando técnicas de deconvolução são aplicadas a seções sísmicas de bacias sedimentares, e que o modelo de Goupillaud é conveniente para simulações e análises devido a sua descrição matemática simples e completa. Resumo em inglês The central objective under investigation in this paper is the performance of WHL deconvolution operators for the compression of the seismic source-pulse under the conditions of non-minimum phase and density of events on the trace, as is the case supported for the real data and batch deconvolution. The method of attack to the constructed problems is centered on the information content of the autocorrelation function submitted to different conditions of: (a) the truncation (mais) and taper windows; (b) the characteristics of the operator phase (if minimum or non-minimum phase); (c) the measure of quality; (d) the whitening level; (e) the noise present and equalization; (f) the balancing of the trace; (g) the physical principles of wave propagation as expressed and limited by the convolutional model. Results can only be obtained numerically, and they are shown in the form of albums with increasing difficulties, and they demonstrate how the time windows on the autocorrelation serve to diagnostic and to improve the performance of the operators. We conclude that many questions still arise when deconvolution techniques are applied to seismic reflection data from sedimentary basins, and that the Goupillaud model is convenient for simulations through its simple and complete mathematical description.

Scientific Electronic Library Online (Portuguese)

2

Filtragem SVD aplicada à melhoria do rastreamento de horizontes sísmicos/ SVD filtering applied to improve tracking of seismic horizons

Porsani, Milton J.; Artola, Fredy A.V.; Silva, Michelângelo G. da; Melo, Paulo E.M. de
2010-09-01

Resumo em português No presente artigo apresentamos uma aplicação da filtragem SVD (Singular Value Decomposition) para o mapeamento automático de horizontes sísmicos. A filtragem SVD pode ser vista como um método de filtragem multicanal onde cada traço filtrado guarda certo grau de coerência com os traços imediatamente vizinhos. Esta filtragem preserva as relações de amplitude, fase e correlação espacial dos eventos sísmicos, ao tempo em que permite eliminar o ruído incoerente, (mais) normalmente associado aos últimos autovalores. A decomposição SVD é realizada sobre o subconjunto de traços vizinhos a cada traço da linha sísmica 2D ou de um volume 3D. O traço filtrado é obtido utilizando apenas alguns dos autovetores e autovalores associados. Ilustramos a aplicação do método sobre dados sísmicos terrestres. A melhoria da coerência dos eventos sísmicos permitiu maior robustez ao autotracking no mapeamento e interpretação automática dos horizontes sísmicos. A filtragem SVD é computacionalmente eficiente e tem o mérito de melhorar significativamente a coerência, a consistência e a continuidade dos eventos de reflexão facilitando muito o "trabalho", do tracker na busca de padrões no processo de autotracking. Resumo em inglês We present an application of a singular value decomposition (SVD) filtering approach to the automatic detection of seismic horizons. The SVD filtering approach may be seen as a multichannel filtering method where each filtered seismic trace retains the coherence of the neighbouring seismic traces. The SVD filtering preserves the amplitude and phase relations and reinforces the spacial correlation between seismic events, and at the same time it reduces the incoherent noise (mais) in data, which normally is associated to the last eigenvalues. The SVD decomposition is performed on each subset of traces around each trace of the original 2D or 3D seismic data. The filtered trace is obtained from the most important eigenvalues and eigenvectors. We illustrate the application of the new approach on 3D post-stack land seismic data. The improvement of the resultant coherence in the seismic reflected events allows for greater autotracking robustness during the automatic interpretation of the seismic horizons. The SVD filtering approach is computationally efficient and improves significantly the coherence, the consistency and the spacial continuity of the seismic events making easier the automatic detection of the commercial software in the search for patterns along the autotracking process.

Scientific Electronic Library Online (Portuguese)

3

Deconvolução de processo sísmico não-estacionário/ Deconvolution of non-stationary seismic process

Leite, L. W. B.; Rocha, M. P. C. da
2000-03-01

Resumo em português O presente trabalho trata da aplicação do filtro Kalman-Bucy (FKB), organizado como uma deconvolução (FKBD), para extração da função refletividade a partir de dados sísmicos. Isto significa que o processo é descrito como estocástico não-estacionário, e corresponde a uma generalização da teoria de Wiener-Kolmogorov. A descrição matemática do FKB conserva a relação com a do filtro Wiener-Hopf (FWH) que trata da contra-parte com um processo estocástico e (mais) stacionário. A estratégia de ataque ao problema é estruturada em partes: (a) Critério de otimização; (b) Conhecimento a priori; (c) Algoritmo; e (d) Qualidade. O conhecimento a priori inclui o modelo convolucional, e estabelece estatísticas para as suas componentes do modelo (pulso-fonte efetivo, função refletividade, ruídos geológico e local). Para demostrar a versatilidade, a aplicabilidade e limitações do método, elaboramos experimentos sistemáticos de deconvolução sob várias situações de nível de ruídos aditivos e de pulso-fonte efetivo. Demonstramos, em primeiro lugar, a necessidade de filtros equalizadores e, em segundo lugar, que o fator de coerência espectral é uma boa medida numérica da qualidade do processo. Justificamos também o presente estudo para a aplicação em dados reais, como exemplificado. Resumo em inglês The present paper treats the application of the Kalman-Bucy filter (KBF), organized as a deconvolution (KBDF), for the extraction of the reflectivity function from seismic data. This means that the process is described as non-stationary, and corresponds to a generalization of the Wiener-Kolmogorov theory. The mathematical description of the KBF preserves its relationship to the Wiener-Hopf filter (WHF) that deals with the counterpart stationary stochastic process. The str (mais) ategy to solve the problem is structured in parts: (a) The optimization criterion; (b) The a priori knowledge; (c) The algorithm; and (d) The quality. The a priori knowledge includes the convolutional model, and establishes statistics to its components (effective source wavelet, reflectivity function, and geological and local noises). To demonstrate the versatility, applicability and limitations of the method, we performed systematic deconvolution experiments under several situations of additive noise levels and effective source wavelet. First, we demonstrate the necessity of equalizer filters, and second that the spectral coherence factor is a good measure of the quality of the process. We also justify the present study for its application in real data, as exemplified.

Scientific Electronic Library Online (Portuguese)