وارون سازی داده های لرزه ای به روش مهاجرت زمانی معکوس حداقل مربعات بهینه

با توجه به ضعف روش های تصویرسازی لرزه ای پرتو - مبنا، استفاده از روش های تصویرسازی معادله موج - مبنا همانند روش مهاجرت زمانی معکوس (RTM) به عنوان یک جایگزین مناسب در سال های اخیر مورد توجه زیادی قرار گرفته است. اما از آنجایی که تصویرسازی به روش RTM مستقیم با استفاده از بازسازی میدان موج و شرط تصویرسازی همبستگی عرضی انجام می شود منجر به تولید پدیده های کاذب می شود. همین مسئله از چالش های عمده استفاده از این روش محسوب می شود. از این رو در مقاله حاضر به منظور مرتفع نمودن این مشکل از وارون سازی داده های لرزه ای با ترکیب دو عملگر مدل سازی روش RTM و مهاجرت حداقل مربعات برای تولید تصویر زیرسطحی استفاده می شود. به طوری که مهاجرت زمانی معکوس حداقل مربعات (LSRTM) با استفاده از روش تندترین کاهش و در قالب گرادیان معمولی و تطبیقی به صورت یک فرآیند تکراری شامل مهاجرت مستقیم و مهاجرت وارون برای حل مسئله حداقل مربعات اجرا می شود تا یک مدل عمقی بهتر بر مبنای حداقل مربعات به داده های مشاهده ای برازش شود. سپس تصاویر مهاجرت یافته حاصل از وارون سازی به روش LSRTM با استفاده از دو الگوریتم معرفی شده در تکرار های مختلف ارایه و ضمن مقایسه با همدیگر با روش RTMسنتی نیز مقایسه شده است. نتایج تصاویر مهاجرت یافته نشان از بهبود تصویر در روش LSRTM با رویکرد گرادیان تطبیقی داشته و این مقایسه از جنبه های دیگر همانند مقدار خطا، حساسیت به مدل سرعت، نوفه و زمان محاسبات نیز انجام گرفته و نشان دهنده نتایج بهتر این روش است. در نهایت میزان نزدیکی نتایج هرکدام از روش های فوق به مدل بازتاب پذیری واقعی، با هم مقایسه شده و نشان از برتری روش گرادیان تطبیقی دارد.