SEG Denver 2014 annual meeting

Method of time-varying spectral modelling

deconvolution based on S Transform
Wenjun Cao and Huazhong Wang

Represented By:
Eki Komara
2231610

PROGRAM STUDI TEKNIK GEOFISIKA

FAKULTAS TEKNIK PERTAMBANGAN DAN
PERMINYAKAN
INSTITUT TEKNOLOGI BANDUNG
Outline
• Pendahuluan

• Teori Dasar

• Metodologi Penelitian

• Hasil

• Kesimpulan
Pendahuluan
• Latar belakang

Dibutuhkan penampang seismik dengan resolusi

yang tinggi untuk menggambarkan kondisi bawah
permukaan.

Metode konvensional untuk meningkatkan resolusi

penampang seismik memiliki keterbatasan
sehingga tidak dapat digunakan dalam kasus-
kasus tertentu

Metode dekonvolusi berdasarkan S transform

Pendahuluan
• Overview

Membandingkan metode dekonvolusi

Kontribusi konvensional dengan metode
dekonvolusi berdasarkan S transform

Meningkatkan resolusi dari penampang seismik

Aplikasi dengan menghilangkan noise dan meningkatkan
S/N
Teori Dasar
• S Transform
Defenisi S transform (Stockwell,1996)


 j 2ft
S ( , f )  d (t ) w(  t , f ) e dt (1)


Fungsi Gaussian window yang berhubungan dengan frekuensi :

 f ( t )
2 2

f (2)
w(  t , f )  e 2
2

Karena
 w(  t , f )d  1

maka S inverse transform dapat dirumuskan menjadi :

 

  S ( , f )e
j 2ft
d (t )  ddf (3)
  
Teori Dasar
• S Transform

Gambar 1. Pemodelan S
Transform menggunakan
software Matlab
Metodologi Penelitian
• Time-varying spectral modelling

Amplitudo spektrum wavelet –> smooth

Amplitudo spektrum koefesien refleksi–> choppy

maka model dari spektrum amplitudo waveletnya setelah di-fitting :

n
k
a0 a1 f
  an f
A( f )  f e (4)
untuk 0  k  3 dan 4  n  7

Persamaan (4) digunakan untuk melakukan proses least squareS (fitting

, f ,x
terhadap  , f , varying
dan mendapatkan amplitude spectrumA(time x) wavelet
Metodologi Penelitian
• Time-varying spectral modelling

Untuk menjaga agar anomali lokal tidak terpengaruh setelah meningkatkan

resolusi, dilakukan low pass filter.

Untuk menjaga continuitas lateral dari penampang seismik setelah

peningkatan resolusi dan untuk melakukan proses multi-channel statistical
weighting, menggunakan persamaan:
j i  n

A fw
( , f , xi )  
j i  n
j A f ( , f , x j ) (5)

j = weighting coefficient
n = width of weighted window
Metodologi Penelitian
• Time-varying spectral modelling

Ketika  j dan i  j memiliki hubungan yang linear, secara matematis dapat dituliskan

1 i j
j   j  i  n, i  n  1,..., i  n (6)
n  1 (n  1) 2

Selain proses low pass filter untuk mendapatkan amplitudo spektrum time-varying wavelet,
pada proses least square fitting dan multi-channel statistical weighting juga memiliki
karakteristik low pass filter sehingga hasilnya dapat merefleksikan trend atenuasi yang
disebabkan oleh difusi muka gelombang dan faktor formasi.
Metodologi Penelitian
• Deconvolution operator

Operator inversi untuk meningkatkan resolusi dapat dirumuskan sebagai berikut:

1 f  f a atau f  f d
 AMAX ( x)
 fb  f  fc
O( , f , x)   A fw ( , f , x)   * AMAX ( x) (7)
  * AMAX ( x) f a  f  f b atau f c  f  f d
1  
 A fw ( , f , x)   * AMAX ( x)

dimana
AMAX ( x )  max  A fw ( , f , x)
=slope weighting coefficient0,   1
= white noise coefficient,0.005    0.05
Metodologi Penelitian
• Rekonstruksi S domain

Setelah peningkatan resolusi menggunakan S inverse transform,

diperoleh hasil:
 

 
j 2ft
R1 (t , x)  S ( , f , x )O ( , f , x ) e ddf (8)
  

Untuk meminimalisirkan noise yang masih terdapat dalam spektrum S,

maka Schimmel (2005) merekonstruksi S domain dengan persamaan
sebagai berikut :

S (t , f , x)O(t , f , x) j 2ft
R2 (t , x)  2  e df (9)

f
Hasil
Untuk menghasilkan rekaman seismik dimana gelombang seismik
berubah terhadap waktu menggunakan source wavelet, quality factor Q,
dan koefisien refleksi, maka persamaan untuk data seismik dapat
dituliskan menjadi :
d (t )   w( f ) ( , f )r ( )e j 2f ( t  )
dfd (10)

dimana
w( f ) = sumber gelombang dalam domain
frekuensi

 ( , f )= faktor atenuasi time-frequency

=
r ( )= koefisien refleksi
Hasil
Reflection coefficient sequence

Stationary Synthetic Seismogram

Non-Stationary Synthetic Seismogram

The result of traditional spectral

simulation deconvolution

The result of time-varying deconvolution

based on S transform

Gambar 2. Model test untuk seismogram sintetik non

stasioner
Hasil
• Hasil Analisis Spektrum

Gambar 3b. Amplitude spectrum

Gambar 3a. Amplitude
of non-stationary Synthetic
spectrum of Stationary
Seismogram
Synthetic Seismogram

Gambar 3d. Amplitude spectrum

Gambar 3c. Amplitude
of time-varying deconvolution
spectrum of traditional
based on S transform (our
spectral simulation
proposed method)
deconvolution
Hasil

Gambar 4. Spektrum S dari

Stationary Synthetic
Seismogram
Hasil

Gambar 5. Spektrum S dari

non-stationary Synthetic
Seismogram
Hasil

Gambar 6. Spektrum S dari

traditional spectral simulation
deconvolution
Hasil

Gambar 7. Spektrum S dari

time-varying deconvolution
based on S transform
Kesimpulan

Metode time-varying spectral modelling deconvolution

based on S transform yang melalui proses least square
fitting, low pass filter, dan multi channel statistical
weighting untuk memperoleh spektrum time-varying
wavelet dapat merefleksikan trend atenuasi penjalaran
gelombang seismic dan mampu memperoleh operator
inversi pada time-varying untuk mengatasi masalah S/N
dan meningkatkan resolusi.
Thanks You