[논문]심도영역 속도모델 구축을 위한 구조보정 속도분석(MVA) 기술의 탄성파 현장자료 적용성 연구

손우현; 김병엽

doi:10.7582/gge.2019.22.4.225

심도영역 속도모델 구축을 위한 구조보정 속도분석(MVA) 기술의 탄성파 현장자료 적용성 연구
A Study on Field Seismic Data Processing using Migration Velocity Analysis (MVA) for Depth-domain Velocity Model Building 원문보기

지구물리와 물리탐사 = Geophysics and geophysical exploration, v.22 no.4, 2019년, pp.225 - 238

손우현 (한국지질자원연구원 석유해저연구본부) , 김병엽 (한국지질자원연구원 석유해저연구본부)

초록
AI-Helper

최적의 심도 영역 속도를 도출하기 위한 구조보정 속도분석(MVA, migration velocity analysis) 기법을 해양에서 취득한 원거리 다중채널 탄성파 자료에 적용하여 그 효용성을 확인한다. 지금까지 통상적으로 수행된 시간 영역 자료처리 결과는 지질학적 층서해석에는 무리 없는 결과이나, 어느 정도 가능성이 있는 플레이나 리드 지역에서의 유가스 탐사에서는 저류층 지질모델 구축, 시추 설계, 매장량 계산에서 반드시 심도 영역 속도 구조와 영상이 필요하다. 데이터 영역에서 근사 방식을 사용한 공통 중간점 기반 속도 분석으로부터 도출한 속도는 처음부터 오차를 내재하여 불확실성이 높다. 반면에, 이를 보완해 줄 검층 자료가 없는 상황에서 실측 규모의 속도 구조를 도출하는데 있어 이미지 영역 구조보정 속도분석 기법은 상당히 효율적인 방법이다. 이 연구에서는 해양에서 취득한 다중 채널 탄성파자료에 대해 합리적인 결과를 도출하기 위해 시간 영역에서 신호의 품질을 최적화하고, 이 자료에 대하여 반복적으로 MVA 기법을 적용함으로써 심도영역 속도 및 구조보정 단면도를 도출하였다. 시간 영역 속도를 단순히 Dix 방정식에 의해 심도영역으로 변환한 속도를 이용하여 생성한 결과(공통 수신점 모음도 및 중합 단면도)와 MVA 기법을 이용한 심도영역 자료처리를 통해 도출된 속도를 이용하여 생성한 결과를 비교함으로써, 심도영역 결과가 보다 합리적임을 확인하였다. 심도 영역으로 도출된 속도는 중합전 심도 구조보정에 바로 사용될 수 있을 뿐만 아니라, 현장 자료의 파형역산 적용 시 초기 모델로 활용함으로써 역산 수행 과정에서 발생할 수 있는 국부 최소(local minima) 문제를 최소화할 수 있다.

Abstract ▼ AI-Helper

Migration velocity analysis (MVA) for creating optimum depth-domain velocities in seismic imaging was applied to marine long-offset multi-channel data, and the effectiveness of the MVA approach was demonstrated by the combinations of conventional data processing procedures. The time-domain images generated by conventional time-processing scheme has been considered to be sufficient so far for the seismic stratigraphic interpretation. However, when the purpose of the seismic imaging moves to the hydrocarbon exploration, especially in the geologic modeling of the oil and gas play or lead area, drilling prognosis, in-place hydrocarbon volume estimation, the seismic images should be converted into depth domain or depth processing should be applied in the processing phase. CMP-based velocity analysis, which is mainly based on several approximations in the data domain, inherently contains errors and thus has high uncertainties. On the other hand, the MVA provides efficient and somewhat real-scale (in depth) images even if there are no logging data available. In this study, marine long-offset multi-channel seismic data were optimally processed in time domain to establish the most qualified dataset for the usage of the iterative MVA. Then, the depth-domain velocity profile was updated several times and the final velocity-in-depth was used for generating depth images (CRP gather and stack) and compared with the images obtained from the velocity-in-time. From the results, we were able to confirm the depth-domain results are more reasonable than the time-domain results. The spurious local minima, which can be occurred during the implementation of full waveform inversion, can be reduced when the result of MVA is used as an initial velocity model.

주제어

표/그림 (15)

표 Table 1. Seismic data acquisition parameters.
그림 Fig. 1. Seismic data processing workflow in time domain.
그림 Fig. 2. Shot gathers (a) before and (b) after time shift editing and low cut (4 Hz) filtering.
그림 Fig. 3. 1^st velocity analysis.
그림 Fig. 4. Stack sections (a) before and (b) after time-domain data processing (spherical divergence correction, swell noise attenuation and predictive deconvolution).
그림 Fig. 5. 2^nd velocity analysis.
그림 Fig. 6. Stack section (a) after radon demultiple. (b) Difference between (a) and Fig. 4(b).
그림 Fig. 7. Depth-domain seismic data processing workflow using MVA technique.
그림 Fig. 8. (a) CDP gather obtained by demultiple process in time domain. (b) Depth-domain interval velocity converted from time-domain RMS velocity (Fig. 5d).
그림 Fig. 9. (a) Common offset data in time domain and (b) Kirchhoff PSDM result (offset = 0.5 km) obtained by using (a).
그림 Fig. 10. (a) 8,600^th CRP gather and (b) stack section after Kirchhoff PSDM at 1^st iteration.
그림 Fig. 11. (a) CRP gather, (b) RMO semblance spectrum calculated from (a), and (c) CRP gather after RMO correction. (d) RMO section automatically picked from all RMO semblance spectra.
그림 Fig. 12. Velocity model updating using tomographic inversion.
그림 Fig. 13. (a) Final 8 ,600^th CRP gather at 5^th iteration. (b) Velocity error curve at a depth of 1.7 km in 8,600^th CRP gather.
그림 Fig. 14. Final stack section after PSDM at 5^th iteration.

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

아직까지 국내에서는 MVA를 이용한 심도영역 자료처리 연구가 자세히 소개된 바 없다. 본 연구에서는 MVA를 실제 해양에서 취득한 원거리(long-offset) 탄성파 탐사자료에 대해 적용하여 심도 영역의 속도 및 중합전 구조보정 영상을 도출하고자 한다. 결과의 정확도를 높이기 위해 시간 영역에서의 원거리 자료에 대한 전처리를 수행하고, 샘블런스(semblance) 속도분석을 통해 심도영역 구조보정을 위한 초기 속도 모델을 구하고 공통 반사점 모음으로 변환한 자료에 대해 반복적 토모그래피 기반 구조보정 속도분석을 수행한다.
본 연구에서는 정확한 심도영역 자료처리 결과를 얻기 위해 시간영역에서 전처리를 수행하였다. 시간영역 탐사자료에 내재된 잡음 및 다중반사파를 제거하기 위해 다양한 자료처리기법(구형발산 보정, 너울 잡음 제거, 예측 디콘볼루션, 라돈디멀티플 등)을 적용함으로써 신호대 잡음비를 향상시켰다.
본 연구에서는 한국지질자원연구원의 탐해2호를 이용하여 서해 군산분지에서 취득한 해양 탄성파 탐사 자료에 대해 자료처리를 수행한다. 탄성파 자료는 6 km (480 채널)의 스트리머와 4,578 cu.

가설 설정

(a) Final 8 ,600^th CRP gather at 5^th iteration. (b) Velocity error curve at a depth of 1.7 km in 8,600^th CRP gather.

제안 방법

여기서, 가로축과 세로축은 속도 오차(%) 및 심도를 나타내며, 중간 지점의 0에 가까울 수록 속도 오차가 작음을 의미한다. RMO 수행 시 샘블런스 스펙트럼의 일관성이 높은 부분(Fig. 11b의 흰색선)을 피킹(picking)하였다(Yilmaz, 2001). RMO 적용 전(Fig.
본 연구에서는 MVA를 실제 해양에서 취득한 원거리(long-offset) 탄성파 탐사자료에 대해 적용하여 심도 영역의 속도 및 중합전 구조보정 영상을 도출하고자 한다. 결과의 정확도를 높이기 위해 시간 영역에서의 원거리 자료에 대한 전처리를 수행하고, 샘블런스(semblance) 속도분석을 통해 심도영역 구조보정을 위한 초기 속도 모델을 구하고 공통 반사점 모음으로 변환한 자료에 대해 반복적 토모그래피 기반 구조보정 속도분석을 수행한다. 이로부터 최종심도 속도 모델 및 구조보정 단면도를 도출하고, 통상적인 방법인 시간 영역의 속도를 Dix 변환(Dix, 1955) 후 도출된 심도영역의 속도 및 구조보정 결과와 비교함으로써 MVA의 효용성을 확인한다.
다음으로 시간영역 속도의 정확성을 향상시키기 위해 잡음 및 다중반사파가 감쇠된 자료에 대해 두 번째 속도분석(Fig. 5)을 수행하였다. 잡음 및 다중반사파 제거 기법 적용 전(Fig.
8b)를 초기 속도 모델로 사용하였다. 다음으로 시간영역에서 전처리 된 자료를 공통 오프셋 자료(Fig. 9a)로 분류하고, Kirchhoff 중합전 심도 구조보정을 적용하여 구조보정 단면(Fig. 9b)을 도출하였다. Fig.
2b). 다음으로 전반적인 지층의 속도 구조를 파악하기 위해 공통심도점(common depth point) 모음도상에서 1 km 간격으로 샘블런스(semblance)속도분석(Fig. 3)을 수행하였다. Fig.
14)에도 반영이 되었음을 의미한다. 따라서, 본 연구에서는 심도영역 자료처리 공정을 현장 탄성파 탐사자료에 성공적으로 적용하여 합리적인 심도영역의 속도 및 중합 단면도를 도출하였다.
12b)를 비교함으로써, 2 km 이하의 심부 속도 구조가 크게 개선되었음을 확인할 수 있다. 또한, 최종 중합전 심도 구조보정(PSDM) 수행 후 CRP 모음도(Fig. 13a)를 생성하였다. 반복 업데이트 후 CRP 모음도(Fig.
본 연구에서는 결과의 정확성 대비계산 효율성을 고려하여 심도영역 자료처리 공정을 총 5회 반복 수행하였다. 마지막으로 최종 중합 단면도(Fig. 14)와 초기중합 단면도(Fig. 10b) 결과를 비교해 보았다. Fig.
중합전 심도 구조보정 결과를 CRP (common reflection point) 자료로 분류하고, 잔여 동보정(RMO, residual moveout) 기법(Yilmaz, 2001)을 적용한다. 마지막으로 토모그래피 기반 역산을 적용하여 심도영역 구간 속도를 도출한다. 일반적으로 반사파 토모그래피에서 실제 자료와 예측된 자료 간의 주시 편차는 다음과 같이 표현된다(Stork, 1992).
심도영역 자료처리를 위해 토모그래피 기반 MVA기법을 적용하였고, 이로부터 업데이트된 심도영역 속도 모델 및 구조보정 단면도를 도출하였다. 본 연구 결과의 효용성을 확인하기 위해, 잔여 동보정 값 및 CRP 모음도를 비교 분석하였다. 이로부터 심도영역 자료처리 반복 회수가 증가할수록 CRP 모음도가 점점 평평해짐을 확인하였고, 최종적으로 5회 반복 후 평평한 CRP 모음도를 도출할 수 있었다.
12a)가 합리적인 결과임을 판단할 수 있었다. 본 연구에서는 결과의 정확성 대비계산 효율성을 고려하여 심도영역 자료처리 공정을 총 5회 반복 수행하였다. 마지막으로 최종 중합 단면도(Fig.
본 연구에서는 정확한 심도영역 자료처리 결과를 얻기 위해 시간영역에서 전처리를 수행하였다. 시간영역 탐사자료에 내재된 잡음 및 다중반사파를 제거하기 위해 다양한 자료처리기법(구형발산 보정, 너울 잡음 제거, 예측 디콘볼루션, 라돈디멀티플 등)을 적용함으로써 신호대 잡음비를 향상시켰다. 심도영역 자료처리를 위해 토모그래피 기반 MVA기법을 적용하였고, 이로부터 업데이트된 심도영역 속도 모델 및 구조보정 단면도를 도출하였다.
결과의 정확도를 높이기 위해 시간 영역에서의 원거리 자료에 대한 전처리를 수행하고, 샘블런스(semblance) 속도분석을 통해 심도영역 구조보정을 위한 초기 속도 모델을 구하고 공통 반사점 모음으로 변환한 자료에 대해 반복적 토모그래피 기반 구조보정 속도분석을 수행한다. 이로부터 최종심도 속도 모델 및 구조보정 단면도를 도출하고, 통상적인 방법인 시간 영역의 속도를 Dix 변환(Dix, 1955) 후 도출된 심도영역의 속도 및 구조보정 결과와 비교함으로써 MVA의 효용성을 확인한다.
정확한 심도영역 자료처리 결과를 도출하기 위해서는 시간영역에서 기록된 현장 탄성파 자료에 내재된 불필요한 잡음 및 다중반사파(multiple)를 효과적으로 감쇠 시킬 필요가 있다. 이를 위해 시간영역에서의 다양한 자료처리 기법을 심도영역 자료처리 수행 전에 적용함으로써 신호대 잡음비(signal-to-noise ratio)를 향상시키고자 한다. 본 연구에서는 시간영역 자료처리를 위해 지연시간 보정(time delay correction), 저주파 차단 필터(low cut filter), 첫 번째 속도분석(velocity analysis), 구형발산 보정(spherical divergence correction), 너울 잡음 제거(swell noise attenuation), 예측 디콘볼루션(predictive deconvolution, Peacock and Treitel, 1969), 두 번째 속도분석, 라돈 필터(radon filter, Douglas and Charles, 1992)등의 기법을 적용하였다.
이와 같은 구조보정 속도분석(MVA)을 이용한 심도영역 자료처리 전체 공정을 5회 반복 수행하여 최종 심도영역에서의 속도를 도출하였다(Fig. 12a). 최종 심도영역의 속도와 시간영역의 속도를 심도 변환한 초기 속도(Fig.
11c)의 비교해 보면, 적용 후에 반사파 이벤트들이 평평하게 정렬(화살표가 가리키는 파선 부분)됨을 확인하였다. 전체 RMO 샘블런스 스펙트럼에 대해 자동 피킹을 수행하여, RMO(Fig. 11d) 단면도를 생성하였다. 계산된 잔여 동보정 값을 이용하여 토모그래피 역산(Stork and Clayton, 1991)을 수행하여 심도영역 구간 속도를 업데이트한다.
본 연구에서는 시간영역 자료처리를 위해 지연시간 보정(time delay correction), 저주파 차단 필터(low cut filter), 첫 번째 속도분석(velocity analysis), 구형발산 보정(spherical divergence correction), 너울 잡음 제거(swell noise attenuation), 예측 디콘볼루션(predictive deconvolution, Peacock and Treitel, 1969), 두 번째 속도분석, 라돈 필터(radon filter, Douglas and Charles, 1992)등의 기법을 적용하였다. 전체적인 자료처리 흐름도는 Fig. 1에 도시하였고, Landmark사에서 개발한 ProMAX (SeisSpace R5000 version)를 이용하여 탄성파 자료처리를 수행하였다.
9(b)는 약 500 m 오프셋에 해당하는 심도 구조보정 결과이다. 중합전 심도 구조보정 결과를 CRP 자료(Fig. 10a)로 분류하고, 중합 단면도(Fig. 10b)를 생성하였다. 여기서, CRP 모음도는 동일한 반사점으로부터 반사된 신호에 대해 분류된 자료이며, CRP 모음도가 평평하게 정렬이 될수록 속도가 정확하다는 것을 의미한다(Yilmaz, 2001).

대상 데이터

in. 볼륨의 에어건(air-gun) 음원을 이용하여 취득되었다. 송신원 및 수진기 간격은 각각 50 m와 12.
시간영역에서 전처리 과정을 거쳐 신호 품질이 향상된 자료(Fig. 8a)를 입력자료로 이용하였다. 또한, 시간영역 RMS 속도(Fig.

이론/모형

11d) 단면도를 생성하였다. 계산된 잔여 동보정 값을 이용하여 토모그래피 역산(Stork and Clayton, 1991)을 수행하여 심도영역 구간 속도를 업데이트한다.
10a)를 살펴 보면, 2초 이하의 이벤트들이 평평하지 않음을 알 수 있다. 다음으로 잔여 동보정(RMO)을 적용하였다. Fig.
이처럼 감쇠되는 에너지를 보정하기 위해 구형발산 보정을 적용하고, 너울성 잡음(swell noise)을 제거하기 위해 너울 잡음 제거 기법을 적용하였다. 또한, 다중반사파를 감쇠시키기 위해 예측 디컨볼루션(Peacock and Treitel,1969)을 적용하였고, 중합 단면도를 Fig. 4(b)에 도시하였다. 이 결과를 통해 원시 중합 단면도(Fig.
8a)를 입력자료로 이용하였다. 또한, 시간영역 RMS 속도(Fig. 5d)를 Dix 방정식에 의해 변환된 심도영역 구간속도(Fig. 8b)를 초기 속도 모델로 사용하였다. 다음으로 시간영역에서 전처리 된 자료를 공통 오프셋 자료(Fig.
식 (2)는 역산에서 포워드 문제(forward problem)에 해당하며, Stork and Clayton (1991)는 Δt로부터 ΔS를 계산하여 포워드 문제를 역산하는 반사파 토모그래피 기법을 제안하였다. 본 연구에서는 Stork and Clayton (1991)이 제안한 토모그래피 기반 MVA 기법을 적용하여 심도영역의 속도를 도출한다.
이를 위해 시간영역에서의 다양한 자료처리 기법을 심도영역 자료처리 수행 전에 적용함으로써 신호대 잡음비(signal-to-noise ratio)를 향상시키고자 한다. 본 연구에서는 시간영역 자료처리를 위해 지연시간 보정(time delay correction), 저주파 차단 필터(low cut filter), 첫 번째 속도분석(velocity analysis), 구형발산 보정(spherical divergence correction), 너울 잡음 제거(swell noise attenuation), 예측 디콘볼루션(predictive deconvolution, Peacock and Treitel, 1969), 두 번째 속도분석, 라돈 필터(radon filter, Douglas and Charles, 1992)등의 기법을 적용하였다. 전체적인 자료처리 흐름도는 Fig.
본 연구에서는 심도영역의 지층 속도를 도출하기 위해 구조보정 속도분석(MVA) 기법을 적용하였다. MVA 기법은 토모그래피(tomography) 또는 파동 방정식(wave equation) 등을 이용하여 운동학적(kinematic) 오차가 최소화 되는 방향으로 속도를 업데이트함으로써, 지하의 심도영역 구간 속도를 더 정확히 도출하는 자료처리 방법이다.
MVA 기법은 토모그래피(tomography) 또는 파동 방정식(wave equation) 등을 이용하여 운동학적(kinematic) 오차가 최소화 되는 방향으로 속도를 업데이트함으로써, 지하의 심도영역 구간 속도를 더 정확히 도출하는 자료처리 방법이다. 본 연구에서는 토모그래피 기반 MVA 기법(Stork and Clayton, 1991; Stork, 1992; Stork, 1994)을 적용하였고, 전체적인 심도영역 자료처리 흐름도를 Fig. 7에 도시하였다.
시간영역 전처리 된 입력 자료를 공통 오프셋 자료로 분류한다. 분류된 자료에 대해 아이코날해법(eikonal solver)를 적용하여 주시(traveltime)를 계산한 후(Vidale, 1988; Vidale 1990), Kirchhoff 중합전 심도 구조보정(PSDM, Pre-Stack Depth Migration)을 수행한다(Gray and May, 1994). 중합전 심도 구조보정 결과를 CRP (common reflection point) 자료로 분류하고, 잔여 동보정(RMO, residual moveout) 기법(Yilmaz, 2001)을 적용한다.
먼저, 시간영역 전처리 과정을 거쳐 도출한 자료를 입력자료로 사용한다. 시간영역에서 도출된 RMS 속도를 Dix 방정식을 이용하여 심도영역의 구간 속도로 변환(Dix, 1955)하고 평활화(smoothing)를 적용한다. 시간영역 전처리 된 입력 자료를 공통 오프셋 자료로 분류한다.
시간영역 탐사자료에 내재된 잡음 및 다중반사파를 제거하기 위해 다양한 자료처리기법(구형발산 보정, 너울 잡음 제거, 예측 디콘볼루션, 라돈디멀티플 등)을 적용함으로써 신호대 잡음비를 향상시켰다. 심도영역 자료처리를 위해 토모그래피 기반 MVA기법을 적용하였고, 이로부터 업데이트된 심도영역 속도 모델 및 구조보정 단면도를 도출하였다. 본 연구 결과의 효용성을 확인하기 위해, 잔여 동보정 값 및 CRP 모음도를 비교 분석하였다.
탄성파는 지층의 심부로 전파될 때 이동 거리가 증가함에 따라 에너지가 감소하는 특성이 있다. 이처럼 감쇠되는 에너지를 보정하기 위해 구형발산 보정을 적용하고, 너울성 잡음(swell noise)을 제거하기 위해 너울 잡음 제거 기법을 적용하였다. 또한, 다중반사파를 감쇠시키기 위해 예측 디컨볼루션(Peacock and Treitel,1969)을 적용하였고, 중합 단면도를 Fig.
5(d)에 도시하였다. 제거되지 않은 다중반사파 및 잡음을 추가로 감쇠시키기 위해 라돈 필터(Douglas and Charles, 1992)를 적용하였다. 라돈 필터 적용 전(Fig.
분류된 자료에 대해 아이코날해법(eikonal solver)를 적용하여 주시(traveltime)를 계산한 후(Vidale, 1988; Vidale 1990), Kirchhoff 중합전 심도 구조보정(PSDM, Pre-Stack Depth Migration)을 수행한다(Gray and May, 1994). 중합전 심도 구조보정 결과를 CRP (common reflection point) 자료로 분류하고, 잔여 동보정(RMO, residual moveout) 기법(Yilmaz, 2001)을 적용한다. 마지막으로 토모그래피 기반 역산을 적용하여 심도영역 구간 속도를 도출한다.

성능/효과

11b의 흰색선)을 피킹(picking)하였다(Yilmaz, 2001). RMO 적용 전(Fig. 11a)과 후 CRP 모음도(Fig. 11c)의 비교해 보면, 적용 후에 반사파 이벤트들이 평평하게 정렬(화살표가 가리키는 파선 부분)됨을 확인하였다. 전체 RMO 샘블런스 스펙트럼에 대해 자동 피킹을 수행하여, RMO(Fig.
또한, 반복 회수가 증가함에 따라 속도 오차가 안정적으로 수렴됨을 정량적으로 확인하였다. 따라서, 본 연구에서 적용한 MVA를 이용한 심도영역 자료처리 공정이 현장 자료에 성공적으로 적용됨을 확인하였다. 또한, 평평한 CRP 모음도 결과로부터 최종 생성된 심도영역 속도 모델이 합리적임을 판단할 수 있었다.
이로부터 심도영역 자료처리 반복 회수가 증가할수록 CRP 모음도가 점점 평평해짐을 확인하였고, 최종적으로 5회 반복 후 평평한 CRP 모음도를 도출할 수 있었다. 또한, 반복 회수가 증가함에 따라 속도 오차가 안정적으로 수렴됨을 정량적으로 확인하였다. 따라서, 본 연구에서 적용한 MVA를 이용한 심도영역 자료처리 공정이 현장 자료에 성공적으로 적용됨을 확인하였다.
14)로 보정됨을 알 수 있다. 또한, 중합 단면도의 가운데 화살표 파선으로 표시된 부분에서도 단층이 지나가는 지층의 심도가 980 m (Fig. 10a)에서 950 m (Fig. 14)로 보정됨을 확인할 수 있다. 이는 정확하게 도출된 속도 정보(Fig.
따라서, 본 연구에서 적용한 MVA를 이용한 심도영역 자료처리 공정이 현장 자료에 성공적으로 적용됨을 확인하였다. 또한, 평평한 CRP 모음도 결과로부터 최종 생성된 심도영역 속도 모델이 합리적임을 판단할 수 있었다. 이처럼 심도영역에서 도출된 속도는 시간영역 속도에 비해 실제 지층의 심도를 파악할 수 있으므로, 지질 해석이나 시추위치 선정 시 도움을 줄 것으로 사료된다.
13a)를 생성하였다. 반복 업데이트 후 CRP 모음도(Fig. 13a)가 초기 CRP 모음도(Fig. 10a) 보다 평평하게 정렬됨을 확인하였고(Fig. 13a 점선), 이로부터 속도가 보다 정확하게 업데이트됨을 정성적으로 확인할 수 있다. 또한, 정량적으로 속도의 정확성을 확인하기 위해 반복 회수에 따른 속도 오차를 Fig.
2(a)에 나타내었다. 본 현장 자료취득 시 근거리 파동장을 기록하기 위해 실제 음원 발파 시간보다 100 ms 미리 신호를 기록하도록 설정되어 있었다. 이와 같은 지연 시간을 보정 후 저주파 차단 필터를 적용하여 4 Hz 이하의 저주파 잡음을 감쇠시켰다(Fig.
13(b)에 도시하였다. 이로부터 반복 회수가 증가함에 따라 속도 오차가 안정적으로 수렴됨을 확인하였고, 최종 심도영역 속도(Fig. 12a)가 합리적인 결과임을 판단할 수 있었다. 본 연구에서는 결과의 정확성 대비계산 효율성을 고려하여 심도영역 자료처리 공정을 총 5회 반복 수행하였다.
본 연구 결과의 효용성을 확인하기 위해, 잔여 동보정 값 및 CRP 모음도를 비교 분석하였다. 이로부터 심도영역 자료처리 반복 회수가 증가할수록 CRP 모음도가 점점 평평해짐을 확인하였고, 최종적으로 5회 반복 후 평평한 CRP 모음도를 도출할 수 있었다. 또한, 반복 회수가 증가함에 따라 속도 오차가 안정적으로 수렴됨을 정량적으로 확인하였다.
5)을 수행하였다. 잡음 및 다중반사파 제거 기법 적용 전(Fig.3a)과 적용 후의 속도 분석 샘블런스 패널(Fig. 5a)의 타원 부분을 비교해 보면, 다중반사파 감쇠 후의 속도 샘블런스가 보다 정확한 속도 정보를 제공함을 알 수 있다. 두 번째 속도 분석으로 도출된 시간영역의 RMS 속도를 Fig.
12a). 최종 심도영역의 속도와 시간영역의 속도를 심도 변환한 초기 속도(Fig. 8b)와의 차이(Fig. 12b)를 비교함으로써, 2 km 이하의 심부 속도 구조가 크게 개선되었음을 확인할 수 있다. 또한, 최종 중합전 심도 구조보정(PSDM) 수행 후 CRP 모음도(Fig.

후속연구

이처럼 심도영역에서 도출된 속도는 시간영역 속도에 비해 실제 지층의 심도를 파악할 수 있으므로, 지질 해석이나 시추위치 선정 시 도움을 줄 것으로 사료된다. 향후 MVA 기법을 통해 도출한 심도 영역 속도를 탄성파 완전 파형역산(full waveform inversion) 및 역시간 구조보정(reverse time migration) 등의 입력 속도 모델로 활용한다면 보다 정확한 지하의 속도 구조를 영상화할 수 있을 것으로 생각된다.

참고문헌 (19)

Bancroft, J. C., 1997, A Practical Understanding of Pre- and Poststack Migrations, Vol. I, Soc. Expl. Geophys.
Biondi, B. L., 2006, 3D Seismic Imaging, Soc. Expl. Geophys.
Cameron, M., Fomel, S. B., and Sethian, J. A., 2008, Time-todepth conversion and seismic velocity estimation using timemigration velocity, Geophysics, 73(5), VE205-VE210.

상세보기
Dix, C. H., 1955, Seismic velocities from surface measurements, Geophysics, 20(1), 68-86.
Douglas, J. F., and Charles C. M., 1992, Suppression of multiple reflections using the Radon transform, Geophysics, 57(3), 386-395.
Francis, A., 2018, A Simple Guide to Seismic Depth Conversion I, GeoExPro, 15(2), Online Article.
Gardner, G. H. F., French, W. S., and Matzuk, T., 1974, Elements of migration and velocity analysis, Geophysics, 39(6), 811-825.

상세보기
Gray, S. H., and May, W. P., 1994, Kirchhoff migration using eikonal equation traveltimes, Geophysics, 59(5), 810-817.

상세보기
Liu, Z., and Bleistein, N., 1995, Migration velocity analysis: Theory and an iterative algorithm, Geophysics, 60(1), 142-153.

상세보기
Peacock, K. L., and Treitel, S., 1969, Predictive deconvolution - theory and practice, Geophysics, 34(2), 155-169.
Sakamori, M., and Biloti, R., 2018, Coherence-based time migration velocity analysis by the use of supergathers, Geophysics, 83(2), S173-S184.

상세보기
Sava, P., and Biondi, B., 2004, Wave-equation migration velocity analysis. I. Theory, Geophys. Prospect., 52(6), 593-606.

상세보기
Stork, C., 1992, Reflection tomography in the postmigrated domain, Geophysics, 57(5), 680-692.
Stork, C., 1994, Demonstration of mva tomography with controls and constraints for determining an accurate velocity model for prestack depth migration, 64th Ann. Internat. Mtg., Soc. Expl. Geophys., Expanded Abstracts, 1338-1342.
Stork, C., and Clayton, R. W., 1991, Linear aspects of tomographic velocity analysis, Geophysics, 56(4), 483-495.
Symes, W. W., 2008, Migration velocity analysis and waveform inversion, Geophys. Prospect., 56(6), 765-790.

상세보기
Vidale, J., 1988, Finite-difference calculation of traveltimes, Bull. Seismol. Soc. Amer., 78(6), 2062-2076.
Vidale, J., 1990, Finite-difference calculation of traveltimes in three dimensions, Geophysics, 55(5), 521-526.
Yilmaz, O., 2001, Seismic data analysis: Processing, Inversion, and Interpretation of Seismic data, Vol. II, Soc. Expl. Geophys.

저자의 다른 논문 :

LOADING...

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증