استفاده از تکنیکهای کاهش بعد تحلیل مولفههای اصلی (PCA) و تحلیل جداکنندههای پارامتری شده (RDA) در رتبهبندی نشانگرهای لرزهای
نویسندگان
1 استادیار، گروه فیزیک زمین، مؤسسة ژئوفیزیک دانشگاه تهران
2 کارشناس ارشد ژئو فیزیک، دانشکده علوم، دانشگاه آزاد اسلامی واحد تهران شمال
doi
10.22059/jesphys.2012.24311چکیده
هدف از این مقاله انتخاب نشانگرهای بهینه برای آشکارسازی دودکشهای گازی برای دادههای بلوک F3 بخش Dutch دریای شمال با استفاده از روشهای تشخیص الگو براساس معیارهای تحلیل مشخصه تطبیقی (RDA, Regularized Discriminate Analysis) و تحلیل مولفههای اصلی (PCA, Principal Component Analysis) است. در علم ژئوفیزیک و مخصوصاً لرزهشناسی، که با حجم زیادی داده سروکار دارند و ویژگیهای مختلفی که میتوان از آن دادهها استخراج کرد، انتخاب مناسب و درست ویژگیها و سپس دستهبندی آنها با روشهای دستهبندی، میتواند در علم تفسیر دادههای لرزهای بسیار کار آمد باشد. در رتبه بندی نشانگرهای لرزهای همانگونه که در بالا اشاره شد دو روش مورد بررسی در این مطالعهPCA و RDA می باشد. با روش PCA نشانگرهای انرژی پنجرهای با طول 80 در حول یک نمونه ]40و40-[ و انرژی پنجرهای با طول 80 در حول یک نمونه ]40- و120-[ وواکافت موجک طیفی موجک ریکر (فرکانس مرکزی60هرتز و پهنای 2)، بهعنوان نشانگرهای مطلوب در فضای ویژگیها و نشانگرنوفه تصادفی به عنوان مهمترین نشانگر نامطلوب انتخاب شدند. با توجه به نتایج رتبهبندی خواهیم دید که نشانگر تشابه در رتبه بالایی قرار میگیرد.