واهمامیخت داده های لرزه ای با بکارگیری تئوری بیز

واهمامیخت یکی از مراحل مهم پردازش داده های لرزه ای است که جزو مسئله های بدوضع دسته بندی می شود. حل مسئله های بدوضع بدون اطلاعات اولیه عملا بیهوده است و درستی این اطلاعات در کیفیت جواب نهایی تاثیر بسیاری دارد. نظریه بیز، دیدگاه مناسبی برای وارد کردن اطلاعات اولیه در فرمول بندی مسئله های وارون است. در این مقاله واهمامیخت در چارچوب نظریه بیز فرمول بندی می شود و جواب مسئله به صورت بردار بیشینه کننده توزیع احتمال پسین درنظر گرفته خواهد شد. توزیع احتمال های دنبال سنگین نظیر توزیع لاپلاس و کوشی که منطبق با تنک بودن سری بازتاب زمین هستند درحکم اطلاعات اولیه در حوزه مدل در نظر گرفته می شوند. با عرضه دو تابع پتانسیل جدید و مقایسه آنها با تابع های پتانسیل به کار گرفته شده از قبل، سعی در بهبود پاسخ مسئله و کاهش خطای میانگین مربعات(MSE) داریم. از روش (Iteratively reweighted least squares) IRLS به علت سادگی و همگرایی مناسب، در بهینه سازی تابع هدف استفاده می شود. بررسی عملکرد توزیع های دنبال سنگین متفاوت با استفاده از داده های شبیه سازی شده و داده های واقعی نشان دهنده کیفیت و قدرت تفکیک بسیار زیاد این روش ها در مقایسه با روش واهمامیخت مرسوم وینر است.