فیلتر پخش ناهمسانگرد بهینه شده توسط شبکه استنتاج عصبی- فازی تطبیق پذیر و کاربرد آن در تضعیف نوفه تصادفی در داده های لرزه ای

فیلتر پخش ناهمسانگرد می تواند به عنوان یک روش کارآمد سطح نوفه تصادفی را در بسیاری از داده های کاهش دهد، هرچند در استفاده از این فیلتر برای داده های لرزه ای با سطح نوفه بالا، باید جانب احتیاط را در مورد ظهور رویداد های غیرواقعی در مقطع رعایت نمود. در این مقاله، به عنوان یک راه حل به منظور مقابله با این مسئله، با معرفی یک چهارچوب هوشمند خودکار، خروجی بهینه فیلتر، برای هر نقطه از داده های ورودی، از طریق شبکه استنتاج عصبی- فازی تطبیق پذیر استخراج می شود. آموزش شبکه عصبی-فازی، با استفاده از خروجی فیلتر پخش ناهمسانگرد و نیز خوشه بندی فازی و توسط الگوریتم C- Mean تعیین می گردد. آزمایش های انجام شده در این تحقیق نشان می دهد که در مقام مقایسه با فیلتر پخش ناهمسانگرد مرسوم، روش ارائه شده به صورت محسوس، در دستیابی به مقاطع مصنوعی با نسبت سیگنال به نوفه بالاتر، حداکثر به میزان 32% عملکرد فیلتر پخش ناهمسانگرد را ارتقا داده است. در داده های حقیقی نیز، علاوه بر تضعیف نوفه های مقطع، نسبت به حفظ رویدادهای همدوس مقطع، دقیق تر عمل کرده است.