Eddigi tanulmányaink alapján már egy sor, a szeizmikában általánosan használt műveletet el tudunk végezni.

Hasonló dokumentumok
A szeizmikus adatfeldolgozás során korrigálni kívánt jelenségek

Fourier transzformáció

Fourier-sorfejtés vizsgálata Négyszögjel sorfejtése, átviteli vizsgálata

DINAMIKAI VIZSGÁLAT OPERÁTOROS TARTOMÁNYBAN Dr. Aradi Petra, Dr. Niedermayer Péter: Rendszertechnika segédlet 1

Jelgenerálás virtuális eszközökkel. LabVIEW 7.1

Ellenőrző kérdések a Jelanalízis és Jelfeldolgozás témakörökhöz

CSAPADÉK ÉS TALAJVÍZSZINT ÉRTÉKEK SPEKTRÁLIS ELEMZÉSE A MEZŐKERESZTES-I ADATOK ALAPJÁN*

Villamosságtan szigorlati tételek

Szeizmikus kutatómódszer I. Alkalmazott földfizika

Dekonvolúció, Spike dekonvolúció. Konvolúciós föld model

5. mérés: Diszkrét Fourier Transzformáció (DFT), Gyors Fourier Transzformáció (FFT), számítógépes jelanalízis

A VÁRALJA KUTATÁSI TERÜLETEN VÉGZETT NAGYFELBONTÁSÚ 2D-S SZEIZMIKUS MÉRÉS ÉS FELDOLGOZÁSÁNAK BEMUTATÁSA

Képrestauráció Képhelyreállítás

Számítógépes gyakorlat MATLAB, Control System Toolbox

1. témakör. A hírközlés célja, általános modellje A jelek osztályozása Periodikus jelek leírása időtartományban

A gyakorlat célja a fehér és a színes zaj bemutatása.

6. Függvények. Legyen függvény és nem üreshalmaz. A függvényt az f K-ra való kiterjesztésének

Exponenciális, logaritmikus függvények

Fourier transzformáció

Fourier térbeli analízis, inverz probléma. Orvosi képdiagnosztika 5-7. ea ősz

Z v 1 (t)v 2 (t τ)dt. R 12 (τ) = 1 R 12 (τ) = lim T T. ill. periódikus jelekre:

Mérés 3 - Ellenörzö mérés - 5. Alakítsunk A-t meg D-t oda-vissza (A/D, D/A átlakító)

Dr. Gyurcsek István. Példafeladatok. Helygörbék Bode-diagramok HELYGÖRBÉK, BODE-DIAGRAMOK DR. GYURCSEK ISTVÁN

Wavelet transzformáció

X. ANALÓG JELEK ILLESZTÉSE DIGITÁLIS ESZKÖZÖKHÖZ

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI

Számítási feladatok megoldással a 6. fejezethez

ÉRZÉKELŐK ÉS BEAVATKOZÓK I. 6. A MINTAVÉTELI TÖRVÉNY

Boronkay György Műszaki Középiskola és Gimnázium

π π A vivőhullám jelalakja (2. ábra) A vivőhullám periódusideje T amplitudója A az impulzus szélessége szögfokban 2p. 2p [ ]

Modern Fizika Labor. Fizika BSc. Értékelés: A mérés dátuma: A mérés száma és címe: 12. mérés: Infravörös spektroszkópia május 6.

ÉRZÉKELŐK ÉS BEAVATKOZÓK I. 5. A JELFELDOLGOZÁS ALAPJAI: JELEK

Mechanika I-II. Példatár

Grafikonok automatikus elemzése

Értékelés Összesen: 100 pont 100% = 100 pont A VIZSGAFELADAT MEGOLDÁSÁRA JAVASOLT %-OS EREDMÉNY: EBBEN A VIZSGARÉSZBEN A VIZSGAFELADAT ARÁNYA 35%.

Mérési jegyzőkönyv a 5. mérés A/D és D/A átalakító vizsgálata című laboratóriumi gyakorlatról

Villamos jelek mintavételezése, feldolgozása. LabVIEW 7.1

Analóg elektronika - laboratóriumi gyakorlatok

Számítási feladatok a 6. fejezethez

Digitális jelfeldolgozás

Mechatronika alapjai házi feladat

Akusztikai tervezés a geometriai akusztika módszereivel

Geofizikai kutatómódszerek I.

minden x D esetén, akkor x 0 -at a függvény maximumhelyének mondjuk, f(x 0 )-at pedig az (abszolút) maximumértékének.

A mérések általános és alapvető metrológiai fogalmai és definíciói. Mérések, mérési eredmények, mérési bizonytalanság. mérés. mérési elv

NEPTUN-kód: KHTIA21TNC

SCHWARTZ 2012 Emlékverseny

Digitális modulációk vizsgálata WinIQSIM programmal

Zaj- és rezgés. Törvényszerűségek

Alapvető Radar Mérések LeCroy oszcilloszkópokkal Radar impulzusok demodulálása és mérése

Méréstechnika. Rezgésmérés. Készítette: Ángyán Béla. Iszak Gábor. Seidl Áron. Veszprém. [Ide írhatja a szöveget] oldal 1

Mérés és adatgyűjtés

Jelek és rendszerek - 4.előadás

Kétváltozós függvények differenciálszámítása

Bevezetés a méréstechnikába és jelfeldolgozásba 7. mérés RC tag Bartha András, Dobránszky Márk

Jelek és rendszerek MEMO_03. Pletl. Belépő jelek. Jelek deriváltja MEMO_03

Gauss-Seidel iteráció

MATEMATIKA ÉRETTSÉGI TÍPUSFELADATOK KÖZÉP SZINT Függvények

Képrekonstrukció 3. előadás

Idősor előrejelzés. Szórádi Júlia, BSc konzulens: Dr. Horváth Gábor. Önálló laboratórium (BMEVIMIA362) II. félév

Digitális Fourier-analizátorok (DFT - FFT)

Dekonvolúció a mikroszkópiában. Barna László MTA Kísérleti Orvostudományi Kutatóintézet Nikon-KOKI képalkotó Központ

Passzív és aktív aluláteresztő szűrők

L-transzformáltja: G(s) = L{g(t)}.

OFDM-jelek előállítása, tulajdonságai és méréstechnikája

Modern Fizika Labor. Fizika BSc. Értékelés: A mérés dátuma: A mérés száma és címe: 5. mérés: Elektronspin rezonancia március 18.

Pontműveletek. Sergyán Szabolcs Óbudai Egyetem Neumann János Informatikai Kar február 20.

A hang mint mechanikai hullám

Logaritmikus erősítő tanulmányozása

RC tag mérési jegyz könyv

RENDSZERTECHNIKA 8. GYAKORLAT

Villamos jelek mintavételezése, feldolgozása. LabVIEW előadás

illetve, mivel előjelét a elnyeli, a szinuszból pedig kiemelhető: = " 3. = + " 2 = " 2 % &' + +

Talajvízszint idősorok vizsgálata statisztikai módszerekkel a 4-es metró építésének pesti területén A D J U N K T U S

A Brüel & Kjaer zajdiagnosztikai módszereinek elméleti alapjai és ipari alkalmazása

Vonatablakon át. A szabadvezeték alakjának leírása. 1. ábra

Mintavétel: szorzás az idő tartományban

Bevezetés a méréstechinkába, és jelfeldologzásba jegyzőkönyv

Jelek és rendszerek - 12.előadás

Logikai áramkörök. Informatika alapjai-5 Logikai áramkörök 1/6

6. Függvények. 1. Az alábbi függvények közül melyik szigorúan monoton növekvő a 0;1 intervallumban?

A soros RC-kör. t, szög [rad] feszültség áramerősség. 2. ábra a soros RC-kör kapcsolási rajza. a) b) 3. ábra

Sorozatok, sorok, függvények határértéke és folytonossága Leindler Schipp - Analízis I. könyve + jegyzetek, kidolgozások alapján

Mátrix-exponens, Laplace transzformáció

4. Laplace transzformáció és alkalmazása

A lineáris programozás alapfeladata Standard alak Az LP feladat megoldása Az LP megoldása: a szimplex algoritmus 2018/

MATEMATIKA ÉRETTSÉGI TÍPUSFELADATOK KÖZÉP SZINT Függvények

TALAJVÍZSZINT ADATOK SPEKTRÁLIS FELDOLGOZÁSÁNAK EREDMÉNYEI

Matematikai geodéziai számítások 6.

1. A hang, mint akusztikus jel

10.1. ANALÓG JELEK ILLESZTÉSE DIGITÁLIS ESZKÖZÖKHÖZ

A lineáris programozás alapfeladata Standard alak Az LP feladat megoldása Az LP megoldása: a szimplex algoritmus 2017/

Jelek és rendszerek 1. 10/9/2011 Dr. Buchman Attila Informatikai Rendszerek és Hálózatok Tanszék

függvény grafikonja milyen transzformációkkal származtatható az f0 : R R, f0(

EGYENÁRAMÚ TÁPEGYSÉGEK

Digitális szűrők - (BMEVIMIM278) Házi Feladat

11. Egy Y alakú gumikötél egyik ága 20 cm, másik ága 50 cm. A két ág végeit azonos, f = 4 Hz

Gauss elimináció, LU felbontás

Optika és Relativitáselmélet II. BsC fizikus hallgatóknak

HTEMÉDIA KLUB - a DRK (Digitális Rádió Kör), Kábeltelevízió és Vételtechnika szakosztály, Digitális Mozgóvilág Klub A DVB-T ELLÁTOTTSÁG HELYZETE

Átírás:

Eddigi tanulmányaink alapján már egy sor, a szeizmikában általánosan használt műveletet el tudunk végezni. Kezdjük a sort a menetidőgörbékről, illetve az NMO korrekcióról tanultakkal. A következő ábrán egy 24 csatornából álló közös mélységpont szerint összerendezett csatorna-csoport látható. Próbáljuk meg meghatározni a reflexiók görbülete alapján a szeizmikus hullámterjedési sebességet. Próbálkozzunk. Tételezzük fel, hogy a sebesség 1800 m/s. Hajtsuk végre az NMO korrekciót ezzel a sebességgel. 1800 m/s A további ábrákon 2000, 2200, 2400, 2600, 2800 és 3000 m/s sebességekkel próbálkozunk.

2000 m/s 2200 m/s 2400 m/s

2600 m/s 2800 m/s 3000 m/s Az ábrákon nyilak jelölik azt a beérkezési időt, akol a reflexiós menetidőgörbéket az NMO korrekció kegyenesítette. Ezek alapján összeállíthatunk egy sebesség függvényt.

Beérkezési idő (ms) Sebesség (m/s) 700 1800 1000 2000 1600 2200 2200 2400 2500 2600 2700 2800 3000 3000 A fenti sebességfüggvény felhasználásával elkészíthetjük a végleges NMO korrekciót, ez látható a következő ábrán. A fenti eljárással meghatározott sebességfüggvényt Stacking sebesség -nek szokás nevezni. Az elnevezés alapja az, hogy ennek a sebességfüggvénynek a felhaszlálásával kapjuk a legjobb CDP-nkénti összeget, illetve összegszelvényt.

Természetesen az ipari alkalmazás során nem kell a fent bemutatott próbálkozásokkal vesződnünk. Kész számítógépes programok állnak rendelkezésre, mellyek segítik a sebességfüggvény optimális kijelölését. Az alábbi ábra egy példa a sok lehetséges megoldás közül. A fenti ábra 13 szomszédos, egyenként 24-szeres fedésű CDP felhasználásával készült. Az ábra bal oldalán az azonos offsetenként (hullámkeltési pont - geogon távolság) átlagolt csatornák láthatók. Az ábra jobb oldala a 13 szomszédos CDP összegszelvény darabkáit mutatja, különböző NMO korrekciós sebességek alkalmazásával. Az összegzés egy, a hasonlóság mérésén alapuló súlyozással történik. Ezt az ábra darabot CVS-nek (Constant Velocity Stack, vagy Scan) szokás nevezni. Az ábra középső része a súlyozó együtthatók számításakor használt koherencia mértéket mutatja. A maximumokat kijelölve kapjuk a sebesség függvényt. Ezt az ábrát sebesség spektrum -nak (Velocity Spectra) szokás nevezni.

Eddigi ismereteink felhaszálásával próbáljunk meg egy egyszeres fedésű időszelvényt gyártani. A következő ábra hét, egymást átfedő 24 csatornás felvételt mutat. Amint az a mellékelt táblázatból látszik, az egymás utáni mérések 50%-ban átfedik egymást, ami folyamatos reflektáló felület lefedettséget eredményez.

SP 181.5 GF 194 216 CDP 375 397 SP 193.5 GF 206 229 CDP 399 422 SP 203.5 GF 217 239 CDP 420 442 SP 215.5 GF 228 251 CDP 443 466 SP 225.5 GF 240 261 CDP 465 486 SP 237.5 GF 250 273 CDP 487 510 SP 249.5 GF 262 285 CDP 511 534 Tételezzük fel, hogy ismerjük a stecking sebesség függvényt (amit például meghatározhattunk az előbb bemutatott módszerrel). Hajtsuk végre az NMO korrekciót.

Az egymás után tett felvételek kiadják az egyszeres fedésű időszelvényt.

Az eredeti mérés 12-szeres fedéssel készült, ebből vágtuk ki az egyszeres fedésű példát. A következő ábra a teljes, 12-szeres fedésű szelvényt mutatja. A minőségjavulás szemmel látható.

Térjünk át a Fourier transzformáltak, illetve a frekvenciák tanulmányozására. Elsőnek nézzük meg, hogy működik a frekvencia szűrés. A következő ábra egy összegszelvény darabot, illetve ennek az átlagolt frekvencia spektrumát mutatja.

A bemutatott időszelény szakasz frekvencia szűrését a következő lépésekkel tudjuk végrehajtani: 1. Megtervezzük a szűrőt, frekvencia tartományban. 2. Elkészítjük az első csatorna Fourier transzformáltját. Ez egy komplex adatsor lesz. 3. Összeszorozzuk a komplex adatsort a szűrővel. 4. Az eredményt inverz Fourier transzformáljuk. Ez adja az eredményt, a szűrt szeizmikus csatornát, időfüggvényként. 5. Ismétejük az eljárást (2)-től, amíg az összes csatorna el nem fogy. Az alábbi ábrákon két, szabadon választott frekvencia szűrés eredménye látható.

Készítsük el szeizmikus csatornák amplitúdó spektrumait. Az amplitúdó spektrum úgy készül, hogy vesszük a csatorna Fourier transzformáltját, ami egy komplex számsor. A komplex számok abszolút értéke adja az amplitúdó spektrumot.

Készítsünk két változós amplitúdó spektrumot. Itt először az idő változó mentén készítjük el a csatornák Fourier transzformáltjait (komplex értékek). Ezután ennek a komplex értékű adathalmaznak elkészítjük az x változó szerinti Fourier transzformáltjait és vesszük a komplex értékek amplitúdóit. Ez adja a két változós amplitúdó spektrumot.

Megfigyelhetjük a függvény szimmetriáját és periódicitását. A berajzolt egyenesek 1000, 2000, 3000, 4000 és 5000 m/s látszólagos sebességnek felelnek meg. Láthatjuk, hogy az 1500 m/s körüli tartományban találunk egy erőteljes összetevőt, melynek a mintavételezése nem volt helyes. Átfordul a következő periódus mezőkbe és ott ismétlődik. Ez az összetevő a direkt hullámnak felel meg. Időtartományban a látszólagos sebességet az x távolság és a t beérkezési idő hányadosa adja. Az azonos sebességű pontok az x-t síkon egy egyenes mentén helyezkednek el (x = V t). Az f időfrekvencia és k térfrekvencia síkon ezt így módosul: 1 1 1 ami szintén egy egyenes egyenlete.

A korábbiakban megismerkedtünk a konvolúció fogalmával. A frekvencia tartmányban tervezett szűrési műveleteket időtartományban konvolúcióval hajthatjuk végre. Mielőtt tovább folytatnánk tanulmányainkat meg kell ismerkednünk egy további fontos fogalommal, a korrelációval. Ezen belül is a keresztkorrelációval és az autokorrelációval. Az a(t) és a b(t) függvények korrelációja definíció szerint: é : Láthatjuk, hogy ez hasonló a korábban már megismert konvolúcióhoz, avval a különbséggel, hogy egyik függvényt sem fordítjuk vissza. Két különböző függvény összehasonlításakor kereszkorrelációról beszélünk. Egy függvény önmagával való korrelációja az autókorrelációt adja. A keresztkorreláció két függvény hasonlóságát méri, illetve két, egymáshoz valamennyire hasonlító függvény esetén a két függvény egymáshoz képesti időbeli eltólását mutatja. Az autókorreláció nem más, mint a függvény amplitúdó spektrumának az inverz Fourier transzformáltja. Nézzünk néhány számpéldát: elsőnek két függvény keresztkorrelációját.

Láthatjuk, hogy a két függvény felcserélésével a keresztkorreláció invertálódik. Autókorreláció: Végül, emlékeztetőül, összehasonlításként nézzük meg az előbbi két függvény konvolúcióját is.