نادر دستنبو - لیسانس رشته عمران از دانشگاه آزاد اسلامی واحدکرج
نیما دستنبو - فوق لیسانس ژیوفیزیک از دانشگاه آزاد اسلامی واحد علوم و تحقیقات تهران

برانبارش یک نقش مهمی را در بهبود نسبت سیگنال به نوفه و کیفیت تصویر داده های لرزه ای بازی می کند. هرچند برای پوشش با فولد کم پروفیل های لرزه ای، نتیجه برانبارش متداول همیشه رضایت بخش نیست. برای بررسی این مشکل، ما یک روش برانبارش که در آن از همبستگی موضعی همچون یک وزنی برای برانبارش مجموعه نقاط میانی مشترک بعد از پردازش NMO یا مجموعه نقاط تصویر مشترک بعد از مهاجرت قبل از برانبارش استفاده شده است را با استفاده از نرم افزار متلب گسترش می دهیم. استفاده از این روش روی داده های مصنوعی و واقعی نشان می دهد که برانبارش با استفاده از همبستگی موضعی در از بین بردن نوفه های تصادفی و آثار تصنعی که در دیگر روش های برانبارش وجود دارد، خیلی موثر است.

برانبارش، تصویر داده های لرزه ای، نقاط میانی مشترک، نرم افزار متلب، از بین بردن نوفه های تصادفی