فهرست نشریات علمی دسترسی آزاد ایران

برای افزایش وضوح داده‌های لرزه‌نگاری باید اثر موجک لرزه‌ای را از روی داده‌های لرزه‌ای حذف نمود. این کار با استفاده از عملگر واهمامیخت در مرحله پردازش داده‌های لرزه‌ای انجام می‌گیرد. عموماً، واهمامیخت داده‌های لرزه‌ای به‌صورت تک‌کاناله و چندکاناله بر روی داده‌ها اعمال می‌شود. ویژگی روش واهمامیخت چندکاناله، در نظر گرفتن ارتباط بین رخدادها در داده است. واهمامیخت را می‌توان به دو روش غیرکور و کور اعمال کرد. در روش‌های واهمامیخت کور، موجک چشمه مشخص نیست و باید آن را هنگام انجام واهمامیخت تخمین زد. در روش‌های مرسوم واهمامیخت، عموماً از روش‌های بهینه‌سازی و وارون‌سازی استفاده می‌شود. برای به‌دست‌آوردن پاسخ صحیح در این روش‌ها، نیاز است تا پارامترهای منظم‌سازی به‌صورت صحیح انتخاب شوند. این کار برای داده‌های بزرگ‌مقیاس بسیار دشوار و زمان‌بر است و عموماً، نیاز است تا کاربر برای تعیین این پارامترها در حل مسئله دخالت داشته باشد. از این‌رو باید یک روش خودکار برای این کار معرفی شود. روش‌های یادگیری عمیق برای از بین بردن این چالش معرفی شده‌اند تا به‌صورت خودکار ارتباط بین داده‌های ورودی و داده‌های خروجی را یافته، بدون نیاز به تعیین پارامترها برای هر داده، نیاز به دخالت انسان را به حداقل برسانند. در این مقاله یک روش واهمامیخت کور دوبُعدی بر اساس یکی از روش‌های یادگیری عمیق معرفی خواهد شد تا واهمامیخت به‌صورت کاملاً خودکار و با کمترین نیاز به تعیین پارامترهای بهینه‌سازی و تخمین موجک، به‌صورت چندکاناله انجام شود. برای این کار از شبکه عصبی هماهیختی دوبعدی استفاده می‌گردد. به‌علاوه با مثال‌های مصنوعی و واقعی نشان خواهیم داد که برای آموزش این روش استفاده از داده‌های با ساختار ساده کفایت می‌کند و نیازی نیست تا داده‌ها کاملاً شبیه به داده‌های ورودی مسئله باشند. در این مثال‌ها نشان می‌دهیم که این روش برای انجام واهمامیخت کور دوبعدی به‌خصوص در حضور نوفه از عملکرد مطلوبی برخوردار است.