ANALISIS PERBANDINGAN METODE DEKONVOLUSISPIKING DAN DEKONVOLUSI PREDIKTIF UNTUK MENINGKATKAN RASIO S/N DATA SEISMIK 2D MULTICHANNEL DI LAUT FLORES

• Main Author: Deviandra, Rengga (Author)
• Format: Book
• Published: 2013-10-18.
• Subjects: Thesis; NonPeerReviewed
• Online Access: Link Metadata

Summary

Laut Flores Nusa Tenggara Timur terbentuk akibat subduksi Lempeng Indo-Australia di bawah Arc Sunda-Banda. Untuk mengetahui keadaan bawah permukaan laut perlu dilakukan survei seismik refleksi sehingga mendapatkan data seismik. Data seismik yang dihasilkan terdapat noise-noise yang dapat menyulitkan untuk menginterpretasikan. Sehingga pada pengolahan data menggunakan suatu metode yang dapat meningkatkan rasio signal to noise pada data seismik yaitu metode Dekonvolusi Spiking dan Dekonvolusi Prediktif. Setelah dibandingkan, ternyata hasil Dekonvolusi Prediktif lebih dapat meningkatkan rasio signal to noise. Dekonvolusi Prediktif adalah penggunaan informasi dari trace-trace seismik untuk memprediksi dan mendekonvolusi bagian-bagian trace yang dianggap sebagai noise dan memakai parameter-paraneter seperti operator gap dan operator length sedangkan pada Dekonvolusi Spiking hanya menggunakan operator length saja. Kata Kunci : Dekonvolusi Spiking, Dekonvolusi Prediktif, Operator gap dan operator length. The Flores Sea at East Nusa Tenggara was created as subduction result of Indo Australia Slab at the bottom of Sunda-Banda Arc. Reflection Seismic Survey is needed to get Seismic data, So that how situation at the bottom of sea would be known. There are so many noises from survey's data which will cause difficulties for interpretation. So that for data processing, Spiking deconvolution and Predictive deconvolution is used to increase the signal ratio to noise. After comparing, Predictive deconvolution increase the signal ratio more than Spiking deconvolution do. Predictive deconvolution is the use of information from seismic traces to predict and deconvolute the part of traces which is considered as a noise and using parameters like gap operator and length operator meanwhile Spiking deconvolution only use length operator. Keywords : Spiking deconvolution, Predictive deconvolution, gap operator, length operator

Item Description

http://repository.upi.edu/2383/1/S_FIS_0608592_Title.pdf
http://repository.upi.edu/2383/2/S_FIS_0608592_Abstract.pdf
http://repository.upi.edu/2383/3/S_FIS_0608592_Table%20of%20Content.pdf
http://repository.upi.edu/2383/4/S_FIS_0608592_Chapter1.pdf
http://repository.upi.edu/2383/5/S_FIS_0608592_Chapter2.pdf
http://repository.upi.edu/2383/6/S_FIS_0608592_Chapter3.pdf
http://repository.upi.edu/2383/7/S_FIS_0608592_Chapter4.pdf
http://repository.upi.edu/2383/8/S_FIS_0608592_Chapter5.pdf
http://repository.upi.edu/2383/9/S_FIS_0608592_Bibliography.pdf