geophystechГеофизические технологииRussian Journal of Geophysical Technologies2619-1563IPGG SB RAS10.18303/2619-1563-2023-3-4geophystech-324Research ArticleСтатьиОграничения латерального разрешения новой реализации метода многоканального анализа поверхностных волнMethod of automated extracting dispersion curves based on time-frequency distribution of seismic datahttps://orcid.org/0000-0002-3251-0289ЯблоковА. В.YablokovA. V.

Кандидат физико-математических наук, старший научный сотрудник лаборатории динамических проблем сейсмики Института нефтегазовой геологии и геофизики СО РАН, старший научный сотрудник Новосибирского государственного университета, младший научный сотрудник Института горного дела им. Н.А. Чинакала СО РАН. Основные научные интересы: сейсморазведка, верхняя часть разреза, подавление поверхностных волн, спектральный анализ, прямая и обратная задача сейсмики, методы машинного обучения, численное моделирование.

YablokovAV@ipgg.sbras.ruhttps://orcid.org/0000-0002-2726-6904СердюковА. С.SerdyukovA. S.

Кандидат физико-математических наук, старший научный сотрудник лаборатории динамических проблем сейсмики Института нефтегазовой геологии и геофизики СО РАН, старший преподаватель Новосибирского государственного университета, старший научный сотрудник Института горного дела им. Н.А. Чинакала СО РАН. Основные научные интересы: сейсмика, численное моделирование, теория упругости, уравнение эйконала, конечно-разностные схемы, сейсмическая томография, миграция, обратные задачи, поверхностные волны, каналовые волны, анизотропия, поглощение, среда Био.

SerdyukovAS@ipgg.sbras.ruЕфремовР. А.EfremovR. A.

Магистрант Новосибирского государственного университета, инженер лаборатории динамических проблем сейсмики Института нефтегазовой геологии и геофизики СО РАН, техник Института горного дела им. Н.А. Чинакала СО РАН. Основные научные интересы: геофизика, прямая и обратная задачи, верхняя часть разреза, поверхностные сейсмические волны, метод HVSR, эллиптичность волны Релея.

EfremovRA@ipgg.sbras.ruИнститут нефтегазовой геологии и геофизики им. А.А. Трофимука СО РАН<br> 630090, Новосибирск, просп. Акад. Коптюга, 3 <br><br> Новосибирский государственный университет<br> 630090, Новосибирск, ул. Пирогова, 1 <br><br> Институт горного дела им. Н.А. Чинакала СО РАН<br> 630091, Новосибирск, Красный проспект, 54РоссияTrofimuk Institute of Petroleum Geology and Geophysics SB RAS<br> Koptyug Ave., 3, Novosibirsk, 630090 <br><br> Novosibirsk State University<br> Pirogova Str., 1, Novosibirsk, 630090 <br><br> Chinakal Institute of Mining SB RAS<br> Krasny Ave., 54, Novosibirsk, 630091Russian Federation20232102202403416Copyright &#x00A9; Яблоков А.В., Сердюков А.С., Ефремов Р.А., 20242024Яблоков А.В., Сердюков А.С., Ефремов Р.А.Yablokov A.V., Serdyukov A.S., Efremov R.A.This work is licensed under a Creative Commons Attribution 4.0 License.https://www.rjgt.ru/jour/article/view/324

В работе рассматриваются примеры апробации новой реализации метода многоканального анализа поверхностных волн на синтетических данных, рассчитанных для упругих сред со сложной геометрией границ. Новая реализация метода включает разработанные алгоритмы помехоустойчивого спектрального анализа на основе фильтрации сейсмограмм во временно-частотной области и инверсии дисперсионных кривых фазовых скоростей на основе определения диапазонов возможных скоростных моделей поперечной волны и применении искусственных нейронных сетей.

This paper discusses examples of testing a new implementation of the method of multi-channel surface wave analysis on synthetic data computed for elastic media with complex boundary geometry. The new implementation of the method includes developed algorithms for noise-resistant spectral analysis based on time-frequency domain filtering of seismograms and inversion of dispersion curves of phase velocities based on determination of ranges of possible transverse wave velocity models and application of artificial neural networks. Based on the results of synthetic data processing, the accuracy, lateral resolution limitations and applicability limits of the method under consideration are evaluated.

Сейсморазведкаповерхностные волныспектральный анализискусственные нейронные сетиSeismicsurface wavesspectral analysisartificial neural networksРабота выполнена в рамках проекта ФНИ № FWZZ-2022-0017.ReferencesЯблоков А.В. Алгоритм обучения искусственной нейронной сети с целью инверсии фазовых скоростей поверхностной волны // Геодинамика. Геомеханика и Геофизика. – 2019. – С. 156–157.Abdallatif T.F., Khozym A.A., Ghandour A.A. Determination of seismic site class and potential geologic hazards using multi-channel analysis of surface waves (MASW) at the Industrial City of Abu Dhabi, UAE // NRIAG Journal of Astronomy and Geophysics. – 2022. – Vol. 1. – P. 193–209, doi: 10.1080/20909977.2022.2055829.Яблоков А.В., Сердюков А.С. Метод автоматизированного извлечения дисперсионных кривых на основе временно-частотного распределения сейсмических данных // Геофизические технологии. – 2018. – № 3. – С. 48–58, doi: 10.18303/2619-1563-2018-3-5.Bohlen T., De Nil D., Köhn D., Jetschny S. SOFI2D seismic modeling with finite differences: 2D – elastic and viscoelastic version. User guide. – 2016.Яблоков А.В., Дергач П.А., Сердюков А.С., Полозов С.С. Разработка и применение портативной вибрационной установки для сбора и анализа данных сейсмических поверхностных волн // Сейсмические приборы. – 2022. – Т. 58 (4) – С. 5–18, doi: 10.21455/si2022.4-1.Park C.B. MASW horizontal resolution in 2D shear-velocity (Vs) mapping // Open-File Report, Lawrence: Kansas Geologic Survey. – 2005. – Vol. 36. – 11 p.Abdallatif T.F., Khozym A.A., Ghandour A.A. Determination of seismic site class and potential geologic hazards using multi-channel analysis of surface waves (MASW) at the Industrial City of Abu Dhabi, UAE // NRIAG Journal of Astronomy and Geophysics. – 2022. – Vol. 1. – P. 193–209, doi: 10.1080/20909977.2022.2055829.Park C.B., Miller R.D., Xia J. Multichannel analysis of surface waves // Geophysics. – 1999. – Vol. 64 (3). – P. 800–808, doi: 10.1190/1.1444590.Bohlen T., De Nil D., Köhn D., Jetschny S. SOFI2D seismic modeling with finite differences: 2D – elastic and viscoelastic version. User guide. – 2016.Rahimi S., Wood C.M., Teague D.P. Performance of different transformation techniques for MASW data processing considering various site conditions, near-field effects, and modal separation // Surveys in Geophysics. – 2021. – Vol. 42. – P. 1197–1225, doi: 10.1007/s10712-021-09657-1.Park C.B. MASW horizontal resolution in 2D shear-velocity (Vs) mapping // Open-File Report, Lawrence: Kansas Geologic Survey. – 2005. – Vol. 36. – 11 p.Serdyukov A.S., Yablokov A.V., Duchkov A.A., Azarov A.A., Baranov V.D. Slant f-k transform of multichannel seismic surface wave data // Geophysics. – 2019. – Vol. 84 (1). – P. A19–A24, doi: 10.1190/geo2018-0430.1.Park C.B., Miller R.D., Xia J. Multichannel analysis of surface waves // Geophysics. – 1999. – Vol. 64 (3). – P. 800–808, doi: 10.1190/1.1444590.Stockwell R.G., Mansinha L., Lowe R.P. Localization of the complex spectrum: the S transform // IEEE transactions on signal processing. – 1996. – Vol. 44 (4). – P. 998–1001, doi: 10.1109/78.492555.Rahimi S., Wood C.M., Teague D.P. Performance of different transformation techniques for MASW data processing considering various site conditions, near-field effects, and modal separation // Surveys in Geophysics. – 2021. – Vol. 42. – P. 1197–1225, doi: 10.1007/s10712-021-09657-1.Yablokov A.V. Training algorithm an artificial neural network to inversion of the phase velocity of the surface wave // Proceedings of the XIX All-Russian Conference “Geodynamics. Geomechanics and Geophysics”, Novosibirsk, 22–28 July 2019. – 2019. – P. 156–157.Serdyukov A.S., Yablokov A.V., Duchkov A.A., Azarov A.A., Baranov V.D. Slant f-k transform of multichannel seismic surface wave data // Geophysics. – 2019. – Vol. 84 (1). – P. A19-A24, doi: 10.1190/geo2018-0430.1.Yablokov A.V., Serdyukov A.S. Method of automated extracting of dispersion curves based on time-frequency distribution of seismic data // Russian Journal of Geophysical Technologies. – 2018. – Vol. 3. – P. 48–58, doi: 10.18303/2619-1563-2018-3-5.Stockwell R.G., Mansinha L., Lowe R.P. Localization of the complex spectrum: the S transform // IEEE transactions on signal processing. – 1996. – Vol. 44 (4). – P. 998–1001, doi: 10.1109/78.492555.Yablokov A.V., Serdyukov A.S., Loginov G.N., Baranov V.D. An artificial neural network approach for the inversion of surface wave dispersion curves // Geophysical Prospecting. – 2021. – Vol. 69 (7). – P. 1405–1432, doi: 10.1111/1365-2478.13107.Yablokov A.V., Serdyukov A.S., Loginov G.N., Baranov V.D. An artificial neural network approach for the inversion of surface wave dispersion curves // Geophysical Prospecting. – 2021. – Vol. 69 (7). – P. 1405–1432, doi: 10.1111/1365-2478.13107.Yablokov A.V., Dergach P.A., Serdyukov A.S., Polozov S.S. Development and application of a portable vibroseis source for acquisition and analysis of seismic surface wave data // Seismic Instruments. – 2022. – Vol. 58 (S2). – P. S195–S203, doi: 10.3103/S074792392208014X.Yablokov A.V., Lugovtsova Y., Serdyukov A.S. Uncertainty quantification of multimodal surface wave inversion using artificial neural networks // Geophysics. – 2023. – Vol. 88 (2). – P. KS1–KS11, doi: 10.1190/geo2022-0261.1.Yablokov A.V., Serdyukov A.S. Yablokov A.V., Lugovtsova Y., Serdyukov A.S. Uncertainty quantification of multimodal surface wave inversion using artificial neural networks // Geophysics. – 2023. – Vol. 88 (2). – P. KS1–KS11, doi: 10.1190/geo2022-0261.1.

The authors declare that there are no conflicts of interest present.