Dergiler / İstanbul Üniversitesi Mühendislik Fakültesi Yerbilimleri Dergisi / 2001 / Cilt: 14 - Sayı: 1-2
Kayan bilinmeyen bloklar ile sismik kuyular-arası tomografi
- Sayfa
- 127–137
- DOI
- —
Özet
Sismik zaman tomografisinde, sismik çözümün başarısını etkileyen problemlerden birisi, bilinmeyen bloklar ile gerçek kayaçlar arasındaki sınırların uyum derecesidir. Sınırlı sayıda bilinmeyen için, ikiye bölünen bilinmeyen blokların sayısı arttıkça tomografik çözümlerin güvenilirliği azalmaktadır. Bilinmeyen bloklar ile gerçek kayaçlar arasındaki sınırların uyum olasılığını iyi-leştirmek amacı ile bilinmeyen blokların satır ve sütunları sistemli bir şekilde kaydırılarak belli sayıda bilinmeyen blok modelleri elde edilmiştir. Seçilen bir seyahat süresi verisi, bu şekilde elde edilen bilinmeyen blok modellerinin her biri ile teker teker çözülmüştür. Matris çözümlerinde kullanılan Tekil Değer Ayrışması (Singular Value Decomposition) yöntemi hem çözüm vektörünü hem de ona ait hata vektörünü sağlamaktadır. Hata vektörlerinin irdelenmesi en uygun tomografik çözümlerin seçilmesinde güvenilir bir kriter oluşturmaktadır. Küçükten büyüğe sıralanmış hata vektörü ortalamaları buna iyi bir örnektir.
Abstract
In seismic time tomography, an important problem affecting the success of a seismic inversion is the degree of coincidence between the boundaries of unknown blocks and the actual rocks. Given a limited number of unknowns, the reliability of tomographic solutions decreases as the number of halved unknown blocks increases. In order to improve the probability of unknown block versus actual rock boundary coincidence, we applied systematical shifts in columns and rows of unknown block resulting in a number of unknown block models. The traveltime data chosen were solved with each of the unknown block models obtained in this way one by one. The use of Singular Value Decomposition technique of matrix inversion furnishes both the solution vector and the related error vector. The examination of the error vectors provides reliable criteria in selecting optimal tomographic solutions. For instance, ascendant sort of the error vector means proved to be a dependable one.