Análise estatística do método compressive sensing aplicado a dados sísmicos
| dc.contributor.advisor | Lucena, Liacir dos Santos | |
| dc.contributor.advisor-co1 | Corso, Gilberto | |
| dc.contributor.advisor-co1ID | pt_BR | |
| dc.contributor.advisor-co1Lattes | http://lattes.cnpq.br/0274040885278760 | |
| dc.contributor.advisorID | pt_BR | |
| dc.contributor.advisorLattes | http://lattes.cnpq.br/7151949476055522 | |
| dc.contributor.author | Marinho, Eberton da Silva | |
| dc.contributor.authorID | pt_BR | |
| dc.contributor.authorLattes | http://lattes.cnpq.br/4697680575712492 | |
| dc.contributor.referees1 | Araújo, João Medeiros de | |
| dc.contributor.referees1ID | pt_BR | |
| dc.contributor.referees1Lattes | http://lattes.cnpq.br/3061734732654188 | |
| dc.contributor.referees2 | Nascimento, Hugo Alexandre Dantas do | |
| dc.contributor.referees2ID | pt_BR | |
| dc.contributor.referees2Lattes | http://lattes.cnpq.br/2920005922426876 | |
| dc.contributor.referees3 | Henriques, Marcos Vinicius Cândido | |
| dc.contributor.referees3ID | pt_BR | |
| dc.contributor.referees3Lattes | http://lattes.cnpq.br/7414109374510547 | |
| dc.date.accessioned | 2017-03-13T21:12:47Z | |
| dc.date.available | 2017-03-13T21:12:47Z | |
| dc.date.issued | 2016-08-22 | |
| dc.description.resumo | O Compressive Sensing (CS) é uma técnica de processamento de dados eficiente na recuperação e construção de sinais a partir de uma taxa de amostragem menor que a requerida pelo teorema de Shannon-Nyquist. Esta técnica permite uma grande redução de dados para sinais que podem ser esparsamente representados. A Transformada Wavelet tem sido utilizada para comprimir e representar muitos sinais naturais, incluindo sísmicos, de uma forma esparsa. Há diversos algoritmos de reconstrução de sinais que utilizam a técnica de CS, como por exemplo: o $\ell_1$-MAGIC, o Fast Bayesian Compressive Sensing (Fast BCS) e o Stagewise Orthogonal Matching Pursuit (StOMP). Esta tese compara a recuperação de traços sísmicos sob uma perspectiva estatística usando diferentes métodos do CS, transformadas wavelets e taxas de amostragens. Mediu-se a correlação entre o Erro Relativo (ER) de recuperação pelo CS e as medições: coeficiente de variação, assimetria, curtose e entropia do sinal original. Parece haver uma correlação entre a curtose e entropia do sinal com o ER de reconstrução pelo CS. Ademais, foi analizado a distribuição do ER no CS. O $\ell_1$-MAGIC teve melhores resultados para taxas de amostragens até 40%. Além disso, a distribuição do ER no $\ell_1$-MAGIC teve mais histogramas normais, simétricos e mesocúrticos que no Fast BCS. Entretanto, para taxas de amostragem acima de 50%, o Fast BCS mostrou um melhor desempenho em relação à média do ER. | pt_BR |
| dc.identifier.citation | MARINHO, Eberton da Silva. Análise estatística do método compressive sensing aplicado a dados sísmicos. 2016. 120f. Tese (Doutorado em Ciência e Engenharia de Petróleo) - Centro de Ciências Exatas e da Terra, Universidade Federal do Rio Grande do Norte, Natal, 2016. | pt_BR |
| dc.identifier.uri | https://repositorio.ufrn.br/jspui/handle/123456789/22226 | |
| dc.language | por | pt_BR |
| dc.publisher.country | Brasil | pt_BR |
| dc.publisher.initials | UFRN | pt_BR |
| dc.publisher.program | PROGRAMA DE PÓS-GRADUAÇÃO EM CIÊNCIA E ENGENHARIA DE PETRÓLEO | pt_BR |
| dc.rights | Acesso Aberto | pt_BR |
| dc.subject | Reconstrução de dados sísmicos | pt_BR |
| dc.subject | Bayesian Compressive Sensing (BCS) | pt_BR |
| dc.subject | $\ell_1$-MAGIC | pt_BR |
| dc.subject | Wavelets | pt_BR |
| dc.subject | Curtose | pt_BR |
| dc.subject | Entropia | pt_BR |
| dc.subject | Esparsidade | pt_BR |
| dc.subject.cnpq | CNPQ::ENGENHARIAS::ENGENHARIA QUIMICA::TECNOLOGIA QUIMICA::PETROLEO E PETROQUIMICA | pt_BR |
| dc.title | Análise estatística do método compressive sensing aplicado a dados sísmicos | pt_BR |
| dc.type | doctoralThesis | pt_BR |
Arquivos
Pacote Original
1 - 1 de 1
Carregando...
- Nome:
- AnáliseEstatísticaMétodo_Marinho_2016.pdf
- Tamanho:
- 26.03 MB
- Formato:
- Adobe Portable Document Format
Carregando...