Análise estatística de padrões sísmicos: decomposição em multiescala

• Ano de defesa: 2007
• Autor(a) principal: Leite, Francisco Edcarlos Alves
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Federal do Rio Grande do Norte; BR; UFRN; Programa de Pós-Graduação em Física; Física da Matéria Condensada; Astrofísica e Cosmologia; Física da Ionosfera
• Palavras-chave em Português: Física estatística; Ground roll; Decomposição em multiescala; Wavelets; CNPQ::CIENCIAS EXATAS E DA TERRA::FISICA
• Link de acesso: https://repositorio.ufrn.br/jspui/handle/123456789/16531

O processamento de registros sísmicos é uma tarefa muito importante dentro da Geofísica e que representa um desafio permanente na exploração de petróleo. Embora esses sinais forneçam uma imagem adequada da estrutura geológica do subsolo, eles são contaminados por ruídos e, o ground roll é a componente principal. Este fato exige um esforço grande para o desenvolvimento de metodologias para filtragem, Dentro desse contexto, este trabalho tem como objetivo apresentar um método de remoção do ruído ground roll fazendo uso de ferramentas da Física Estatística. No método, a Análise em Ondeletas é combinada com a Transformada de Karhunen-Loève para a remoção em uma região bem localizada. O processo de filtragem começa com a Decomposição em Multiescala. Essa técnica permite uma representação em tempo-escala fazendo uso das ondeletas discretas implementadas a filtros de reconstrução perfeita. O padrão sísmico original fica representado em multipadrões: um por escala. Assim, pode-se atenuar o ground roll como uma operação cirúrgica em cada escala, somente na região onde sua presença é forte, permitindo preservar o máximo de informações relevantes. A atenuação é realizada pela definição de um fator de atenuação Af. Sua escolha é feita pelo comportamento dos modos de energia da Transformada de Karhunen-Loève. O ponto correspondendo a um mínimo de energia do primeiro modo é identificado como um fator de atenuação ótimo