تعیین لبه داده های میدان گرانی با استفاده از روش آماری CCMS

Publish Year: 1398
نوع سند: مقاله ژورنالی
زبان: Persian
View: 391

This Paper With 15 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

JR_JRAG-5-2_009

تاریخ نمایه سازی: 17 آذر 1398

Abstract:

تعیین لبه یک تفسیر کیفی و روشی سریع برای بدست آوردن اطلاعات از بی هنجاری های مولد میدان گرانی است. در تعیین لبه دقت در برآورد مرز بی هنجاری ها و تفکیک بی هنجاری های که دامنه آنها با هم تداخل دارد بسیار مهم است. از جمله معایب روش های تعیین لبه، حساس بودن به نوفه؛ حساس بودن به عمق بی هنجاری، برآورد لبه بزرگتر از مقدار واقعی، عدم تفکیک بی هنجاری ها و .. است. به همین دلیل روش های متنوعی برای تعیین لبه معرفی شده است. بیشتر روش های تعیین لبه بر پایه گرادیان ها قرار دارند. گرادیان ها به نوفه حساس هستند. به منظور افزایش دقت در تعیین لبه از روش های آماری استفاده شده است. روش نیمه آماری NSTD و روش کاملا آماری CCMS از جمله آنها هستند. در این مقاله از روش های برپایه گرادیان مشهور زوایه تتا (Theta)، گرادیان کل افقی (THD)، زوایه تیلت (Tilt angle)، زوایه تیلت هذلولوی (HTA)، روش نوین برپایه گرادیان NTHD، روش نیمه آماری NSTD و روش کاملا آماری CCMS در تعیین لبه داده های مصنوعی و واقعی استفاده شده است. قضاوت اینکه کدام روش جواب بهتری در همه داده ها گرانی دارد، کمی دشوار است اما در این مقاله با در نظر گرفتن شرایطی مانند نوفه ای، بی هنجاری های تداخل یافته، دقت لبه برآوردی و تاثیر عمق بی هنجاری در تعیین لبه توانایی روش های مختلف بررسی و مقایسه شده است. نتایج تعیین لبه داده ها مصنوعی نشان می دهد که روش های تنها بر پایه گرادیان قرار دارند به تداخل دامنه بی هنجاری ها و نوفه حساس هستند و در روش های که از تعداد گرادیان های کمتری استفاده می کنند نوفه کمتری وجود دارد. روش های NTHD، NSTD و CCMS که از حرکت پنجره ها حاصل می شوند به نوفه حساسیت کمتری دارند. این روش ها مرز بی هنجاری با دامنه-های مختلف را آشکار می کنند و بی هنجاری های که دامنه آنها باهم تداخل داشته را به خوبی تفکیک می کنند. در همه روش های تعیین لبه این مقاله افزایش عمق بی هنجاری باعث شده است که دقت تعیین لبه کاهش یابد. در مجموع بررسی ها نشان می دهد که CCMS نتایج بهتری در تعیین لبه داده های مصنوعی ارائه داده است. در داده های واقعی نیز نتایج روش CCMS بهتر از سایر روش ها است. نتایج تعیین لبه این روش در داده های واقعی برروی نقشه بوگه نشان داده شده است این نحوه نمایش پیچیدگی های نقشه تعیین لبه را کاهش می دهد که می تواند برای مفسر بسیار مفید باشد.

Authors

مصطفی موسی پور یاسوری

کارشناسی ارشد، موسسه ژئوفیزیک، دانشگاه تهران

سید وحید ابراهیم زاده اردستانی

استاد، موسسه ژئوفیزیک، دانشگاه تهران