استفاده از تکنیکهای کاهش بعد تحلیل مولفههای اصلی (PCA) و تحلیل جداکنندههای پارامتری شده (RDA) در رتبهبندی نشانگرهای لرزهای

هدف از این مقاله انتخاب نشانگرهای بهینه برای آشکارسازی دودکشهای گازی برای دادههای بلوک F۳ بخش Dutch دریای شمال با استفاده از روشهای تشخیص الگو براساس معیارهای تحلیل مشخصه تطبیقی (RDA, Regularized Discriminate Analysis) و تحلیل مولفههای اصلی (PCA, Principal Component Analysis) است. در علم ژئوفیزیک و مخصوصا لرزهشناسی، که با حجم زیادی داده سروکار دارند و ویژگیهای مختلفی که میتوان از آن دادهها استخراج کرد، انتخاب مناسب و درست ویژگیها و سپس دستهبندی آنها با روشهای دستهبندی، میتواند در علم تفسیر دادههای لرزهای بسیار کار آمد باشد. در رتبه بندی نشانگرهای لرزهای همانگونه که در بالا اشاره شد دو روش مورد بررسی در این مطالعهPCA و RDA می باشد. با روش PCA نشانگرهای انرژی پنجرهای با طول ۸۰ در حول یک نمونه ]۴۰و۴۰-[ و انرژی پنجرهای با طول ۸۰ در حول یک نمونه ]۴۰- و۱۲۰-[ وواکافت موجک طیفی موجک ریکر (فرکانس مرکزی۶۰هرتز و پهنای ۲)، بهعنوان نشانگرهای مطلوب در فضای ویژگیها و نشانگرنوفه تصادفی به عنوان مهمترین نشانگر نامطلوب انتخاب شدند. با توجه به نتایج رتبهبندی خواهیم دید که نشانگر تشابه در رتبه بالایی قرار میگیرد.

Keywords:

تحلیل مشخصه تطبیقی , تحلیل مولفههای اصلی , ترسیم توزیعی , روش پسرو , روش پیشرو , روش غیر نظارتی , روش نظارتی , فضای ویژگی