کاربرد روش MCMC در استخراج موجک از داده های لرزه‌ای بازتابی

موجک لرزه‌ای یک ورودی لازم برای بسیاری از مراحل پردازش لرزه‌ای، مدل‌سازی و الگوریتم‌های وارونسازی است. درصورتیکه یک موجک نادرست تشخیص داده شود، به نتایج ناصحیح منجر می‌شود. شبیه‌سازی احتمالاتی با روشهای مونت کارلوی زنجیر مارکوفی (MCMC)، شرایط مناسبی را برای مدلسازی آماری واقعی فراهم می‌آورد. به کمک کمینه ‌سازی عدم‌قطعیت همراه با تحلیل لرزه‌ای، با احتساب مرزهای اطمینان روی نتایج وارون، تفسیرهای دقیقتری از مشخصه‌های یک مخزن هیدروکربوری می‌تواند به دست آید. اعمال عدم‌قطعیت روی موجک تهیه‌شده می‌تواند به مدلهای واقعی‌تری کمک کند. در بعضی از مسائل وارون با تعداد پارامترها و ابعاد زیاد، دانستن پیچیدگی و ساختار کامل مدل، مشکل است و نیاز به الگوریتم پیشرفته مشخص و نرم‌افزاری دارد که برای آن منظور طراحی گردیده باشد. همانطور که در این مقاله ملاحظه خواهد شد، شبیه‌سازی MCMC، چارچوبی یکتا را فراهم می‌آورد به طوری که بسیاری از مسائل پیچیده می‌توانند به کمک برنامه‌نویسی مرسوم تحلیل شوند.