درون یابی داده های لرزه ای با الگوریتم های بهبود دهنده ی روش تصویر روی مجموعه های محدب

در تجزیه و تحلیل مقاطع لرزه ای برای تشخیص هیدروکربن و سایر منابع زیرسطحی، ضروری است مقطعی با کیفیت مناسب و تخمینی از داده های از دست رفته داشته باشیم. همچنین در مراحل مختلف پردازش داده های لرزه ای فرض بر آنست که داده ی لرزه ای به طور منظم در مکان و زمان نمونه برداری شده است. با وجود نمونه برداری منظم داده ها در زمان، در عمل به دلیل مشکلات عملیاتی، نمونه برداری منظم در امتداد مکان انجام نمی شود. با دانستن این نکته که قوی تر بودن روش پیشنهادی در تخمین داده های از دست رفته یا درون یابی مقطع قطعا منجر به یکفیت بهتر مقاطع لرزه ای و در نتیجه انجام بهتر مراحل پردازشی یا تفسیری خواهد شد و همچنین اینکه شرط مقطع باکیفیت مناسب، داشتن مقدار کمینه ی رویدادهای دگرنام شده و نوفه های تصادفی و از همه مهم تر کاهش نوفه های ناشی از هندسه ی برداشت است باید گفت که امروزه درون یابی داده های لرزه ای بسیار حائز اهمیت هستند.
در این مقاله ضمن معرفی مبانی نظری روش تصویر روی مجموعه های محدب، روش ها و الگوریتم هایی برای جبران ضعف های روش تصویر روی مجموعه های محدب معرفی می شود. مثلا جهت کاهش زمان درون یابی و همگرایی سریع ترین روش، الگوریتم بک و تبول 4 معرفی و استفاده خواهد شد. همچنین با افزودن متغیری خاص در فرمول پیاده سازی الگوریتم، این روش برای درون یابی همزمان با تضعیف نوفه ی تصادفی تعمیم داده می شود. برای درون یابی داده های لرزه ای سه مولفه ای به صورت یک جا جهت کاهش زمان و افزایش کیفیت درون یابی، به جای تبدیل فوریه ی معمولی از تبدیل فوریه ی کواترنیون استفاده می شود.
با دانستن این نکته که در صورت استفاده از تبدیل فوریه، روش مذکور تنها قادر به بازسازی رویدادهای خطی یا شبه خطی است واگر رویداد غیرخطی باشد )مانند رویدادهای بازتابی در مقطع چشمه مشترک( این روش به درستی کار نمی کند در تحقیق حاضر روش پنجره بندی پیشنهاد می شود که با اعمال آن قبل از درون یابی، درون یابی بهتر رویدادهای غیرخطی امکان پذیر است. با وجود افزایش زمان درون یابی با پنجره بندی، از طریق پردازش موازی، زمان اجرای درون یابی پنجره ها نیز کاهش می یابد. همچنین کارآیی این روش و هر یک از الگوریتم های بهبود دهنده ی آن روی داده های لرزه ای مصنوعی یا واقعی، ارزیابی و نتایج آن عرضه می شود.