FIRST ARRIVALS TRAVELTIME PICKING USING UNSUPERVISED MACHINE LEARNING (DBSCAN) AND SUPER-VIRTUAL REFRACTION INTERFEROMETRY TECHNIQUE. Masters thesis, King Fahd University of Petroleum and Minerals.

PDF MS_Thesis_Awais.pdf - Accepted Version Restricted to Repository staff only until 24 December 2023. Download (4MB)

Arabic Abstract

يلعب انتقاء الاستراحة الأول الدقيق والجدير بالثقة دورًا مهمًا في حسابات التصحيح الثابت ، وتحليل السرعة ، والتفكيك. تضمن دقة اختيار أوقات السفر في الاستراحة الأولى نتائج معالجة البيانات الزلزالية الصحيحة والموثوقة. تتوفر العديد من الطرق لإجراء عمليات التقاط الفاصل الأول تلقائيًا. ومع ذلك ، فإن معظم الطرق لا تعطي نتائج قوية عندما تكون نسبة الإشارة إلى الضوضاء (SNR) للبيانات منخفضة. في هذه الدراسة ، استخدمت أسلوبًا غير خاضع للإشراف للتعلم الآلي يسمى تطبيق المجموعات المكانية القائمة على الكثافة مع الضوضاء (DBSCAN) جنبًا إلى جنب مع قياس الانكسار الافتراضي الفائق (SVI) لاختيار أوقات سفر الوافدين الأوائل تلقائيًا. في حالة البيانات المشوشة ، فإن استخدام DBSCAN فقط لالتقاط الفاصل الأول يظهر دقة ضعيفة. للتغلب على هذا العيب ، يتم استخدام SVI لتحسين نسبة الإشارة إلى الضوضاء (SNR) للبيانات الأولية ، ثم يتم تطبيق DBSCAN على البيانات المحسنة لانتقاء دقيق. أستخدم DBSCAN أولاً لتحديد نافذة كتم الصوت الأولية لـ SVI ، ثم يتم استخدام SVI لتحسين نسبة الإشارة إلى الضوضاء (SNR) للقادمين الأوائل ، وأخيرًا ، أعيد تطبيق DBSCAN لاختيار أوقات سفر الوافدين النهائيين. يتم اختبار النهج المقترح على البيانات التركيبية والميدانية ، حيث تتم مقارنة اختيارات الدليل والترابط المتبادل مع عمليات الانتقاء التلقائية لـ DBSCAN. بالنسبة إلى البيانات التركيبية ، كانت أوقات السفر التلقائية للوصول الأول التي اختارتها DBSCAN قبل استخدام SVI لجميع اللقطات ضعيفة ، بينما بعد تطبيق SVI ، تحسنت بشكل كبير ، وحوالي 98.4 ٪ من عمليات الوصول التلقائي لأوقات السفر في DBSCAN مقارنةً بالدليل تقع ضمن الخطأ المسموح به ± 8.33 ميللي ثانية. بالنسبة لجميع مجموعات اللقطات لبيانات حقل Ithra ، تُظهر النتائج أن التقاط وقت السفر التلقائي للقطر الأول من DBSCAN قبل استخدام SVI كان ضعيفًا مرة أخرى ، بينما ، بعد تطبيق SVI ، كانت 86.4 ٪ من اللقطات مقارنة بالاختيارات اليدوية الأولية تقع ضمن الخطأ المسموح به وهو ± 8.33 مللي ثانية. أختبر أيضًا نسخة التتبع عن طريق التتبع للنهج المقترح على سجلات اللقطات المتاحة للجمهور (تجمع Yilmaz Shot 6 و 25) لقياس تقنيتي في الاستراحة الأوتوماتيكية لدقة أوقات السفر مع الطرق الأخرى المعمول بها. تظهر النتائج أن أداء منهجيتي أفضل من الطرق الأخرى من خلال اختيار 91٪ و 99٪ من أوقات السفر ضمن خطأ مسموح به قدره ± 20 ميللي ثانية من كتيبات اللقطات 6 و 25 ، على التوالي.

English Abstract

An accurate and trustworthy first break picking plays an important role in static correction calculations, velocity analysis, and deconvolution. First break traveltimes picking accuracy ensures correct and reliable seismic data processing results. Many methods are available to perform the first break pickings automatically. However, most of the methods do not give robust results when the signal-to-noise ratio (SNR) of the data is low. In this study, I used an unsupervised machine learning technique called density-based spatial clustering application with noise (DBSCAN) along with super-virtual refraction interferometry (SVI) to automatically pick the first arrivals’ traveltimes. In the case of noisy data, using only DBSCAN for first break picking shows poor accuracy. To overcome this drawback, SVI is used to enhance the SNR of the raw data, and then DBSCAN is applied to the enhanced data for accurate picking. I first use DBSCAN to define an initial muting window for the SVI, then, SVI is used to enhance the SNR of the first arrivals, and finally, I re-apply DBSCAN to pick the final first arrivals’ traveltimes. The proposed approach is tested on synthetic and field data, where the manual and the cross-correlation pickings are compared to the DBSCAN’s automatic pickings. For the synthetic data, the automatic first arrival’s traveltimes picked by DBSCAN before using SVI for all shots was poor, whereas, after applying SVI, it improved drastically, and almost 98.4% of the DBSCAN's automatic first arrivals traveltimes pickings compared with the manual fall within the allowable error of ±8.33 msec. For all shot gathers of Ithra field data, results show that DBSCAN’s automatic first break’s traveltime picking before using SVI was poor again, whereas, after applying SVI, 86.4% of the pickings compared with raw manual pickings were lying within the allowable error of ±8.33 msec. I also test a trace-by-trace version of the proposed approach on publicly available shot records (Yilmaz shot gathers 6 and 25) to benchmark my technique for automatic first break traveltimes picking’s accuracy with other established methods. Results show that the performance of my methodology is better than the other methods by picking 91% and 99% traveltimes within an allowable error of ±20 msec from the manuals for shots 6 and 25, respectively.

Item Type:	Thesis (Masters)
Subjects:	Earth Sciences Petroleum
Department:	College of Petroleum Engineering and Geosciences > Geosciences
Committee Advisor:	Sherif, Mahmoud Hanafy
Committee Members:	Abdullatif, Abdulrahman Alshuhail and Umair, Bin Waheed
Depositing User:	MUHAMMAD AWAIS (g201907710)
Date Deposited:	25 Dec 2022 07:38
Last Modified:	25 Dec 2022 07:38
URI:	http://eprints.kfupm.edu.sa/id/eprint/142265