Farklı ağırlıklandırma fonksiyonları ile yığma sonrası en küçük kareler göçü ve göç dekonvolüsyonu

Abstract

Sismik veri işlem adımlarının son ve en önemli aşaması olan sismik göç işlemi yansıma genliklerini gerçek yansıma pozisyonuna taşıyarak yeraltı yapısının doğru görüntüsünü elde etmek için yaygın şekilde kullanılmaktadır. Aynı zamanda bir ters çözüm işlemi olarak kabul edilen sismik göç çıkış kesitleri göç işlem hatalarını da beraberinde getirir. Bu işlem hatalarını bastırmak için En Küçük Kareler Göçü (EKKG), Göç Dekonvolüsyonu (GD) veya bu iki yöntemin birleşik kullanımını kapsayan En Küçük Kareler Göç Dekonvolüsyonu (EKKGD) yöntemleri kullanılmaktadır. Bu yöntemlerin ortak dezavantajı, işlem maliyetini (zamanını) arttırmalarıdır. Bu çalışmada; göç operatöründen (L) türetilen geleneksel ağırlıklandırma (netleştirme) fonksiyonu ((L^T L)^(-1)) ile giriş verisinden (d) oluşturulan farklı ağırlıklandırma fonksiyonları kullanılarak işlem maliyeti azaltılmaya çalışılmıştır. Farklı sentetik ve gerçek veri modelleri üzerinde yapılan uygulamalardan en az hata oranını veren netleştirme fonksiyonları cov((d d^T))^(-1) ve cov ((L^T L)^(-1)) olurken, cov(dd^T )^(-1) ağırlıklandırma fonksiyonu cov (L^T L)^(-1) netleştirme fonksiyonuna göre yaklaşık %60 (GD için %80, EKKGD için %40) işlem zamanını azalttığı görülmüştür. Bunun yanında (d d^T )^(-1) fonksiyonu işlem zamanını yaklaşık %45 (GD için %18, EKKGD için %65) maliyetle geleneksel netleştirme fonksiyonu ile aynı hata oranlarına sahip olduğu görülmüştür. Ayrıca EKKGD işlemi, GD işlemine göre hata oranlarını yaklaşık %15 daha azalttığı görülmüştür.

The seismic migration process, which is the last and most important step of the seismic data processing steps, is widely used to obtain the correct image of the subsurface structure by moving the reflection amplitudes to the actual reflection positions. In this scope, least square migration (LSM) is recently used a linearized inversion process which improve spatial resolution of post-stack seismic data, but also represents blurred images of earth's reflectivity distribution because of migration artifacts. To partly alleviate this blurring, Migration Deconvolution (MD) are proposed and applied to migrated images. The main disadvantage of the method is that it increases the computational time cost. In this study, in addition to the deblurring function which is derived from migration operator (L), it is tried to decrease processing cost by using different deblurring functions which are derived from input data (d). According to the applications on models, the deblurring functions which have the least error rate are cov((d d^T))^(-1) and cov ((L^T L)^(-1)), and it is seen that cov(dd^T )^(-1) deblurring function reduces processing time %60 (for MD %80, for LSMD %40) respect to cov (L^T L)^(-1). Besides, (d d^T )^(-1) has been found to have the same error rates as the traditional deblurring function (L^T L)^(-1) at a cost of %45 (for MD %18, for LSMD %65). It was also found that the LSMD procedure reduced the error rates by about 15% compared to the MD procedure.