Análise estatística do método compressive sensing aplicado a dados sísmicos
Autor(a) principal: | |
---|---|
Data de Publicação: | 2016 |
Tipo de documento: | Tese |
Idioma: | por |
Título da fonte: | Repositório Institucional da UFRN |
Texto Completo: | https://repositorio.ufrn.br/jspui/handle/123456789/22226 |
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. |
id |
UFRN_659425bf7749908303a3a1fa2b362109 |
---|---|
oai_identifier_str |
oai:https://repositorio.ufrn.br:123456789/22226 |
network_acronym_str |
UFRN |
network_name_str |
Repositório Institucional da UFRN |
repository_id_str |
|
spelling |
Marinho, Eberton da Silvahttp://lattes.cnpq.br/4697680575712492http://lattes.cnpq.br/7151949476055522Corso, Gilbertohttp://lattes.cnpq.br/0274040885278760Araújo, João Medeiros dehttp://lattes.cnpq.br/3061734732654188Nascimento, Hugo Alexandre Dantas dohttp://lattes.cnpq.br/2920005922426876Henriques, Marcos Vinicius Cândidohttp://lattes.cnpq.br/7414109374510547Lucena, Liacir dos Santos2017-03-13T21:12:47Z2017-03-13T21:12:47Z2016-08-22MARINHO, 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.https://repositorio.ufrn.br/jspui/handle/123456789/22226porCNPQ::ENGENHARIAS::ENGENHARIA QUIMICA::TECNOLOGIA QUIMICA::PETROLEO E PETROQUIMICAReconstrução de dados sísmicosBayesian Compressive Sensing (BCS)$\ell_1$-MAGICWaveletsCurtoseEntropiaEsparsidadeAnálise estatística do método compressive sensing aplicado a dados sísmicosinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisO 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.PROGRAMA DE PÓS-GRADUAÇÃO EM CIÊNCIA E ENGENHARIA DE PETRÓLEOUFRNBrasilinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UFRNinstname:Universidade Federal do Rio Grande do Norte (UFRN)instacron:UFRNORIGINALAnáliseEstatísticaMétodo_Marinho_2016.pdfAnáliseEstatísticaMétodo_Marinho_2016.pdfapplication/pdf27290657https://repositorio.ufrn.br/bitstream/123456789/22226/1/An%c3%a1liseEstat%c3%adsticaM%c3%a9todo_Marinho_2016.pdfa4e41a53e79bb3f882cce9ac0f42b2a8MD51TEXTEbertonDaSilvaMarinho_TESE.pdf.txtEbertonDaSilvaMarinho_TESE.pdf.txtExtracted texttext/plain1105https://repositorio.ufrn.br/bitstream/123456789/22226/4/EbertonDaSilvaMarinho_TESE.pdf.txt4d573e338b2e4a7d1bf30f1a79dfc5bfMD54AnáliseEstatísticaMétodo_Marinho_2016.pdf.txtAnáliseEstatísticaMétodo_Marinho_2016.pdf.txtExtracted texttext/plain1105https://repositorio.ufrn.br/bitstream/123456789/22226/6/An%c3%a1liseEstat%c3%adsticaM%c3%a9todo_Marinho_2016.pdf.txt4d573e338b2e4a7d1bf30f1a79dfc5bfMD56THUMBNAILEbertonDaSilvaMarinho_TESE.pdf.jpgEbertonDaSilvaMarinho_TESE.pdf.jpgIM Thumbnailimage/jpeg2113https://repositorio.ufrn.br/bitstream/123456789/22226/5/EbertonDaSilvaMarinho_TESE.pdf.jpgd43deefd41d96e44fdd3a2fb02a488a4MD55AnáliseEstatísticaMétodo_Marinho_2016.pdf.jpgAnáliseEstatísticaMétodo_Marinho_2016.pdf.jpgIM Thumbnailimage/jpeg2113https://repositorio.ufrn.br/bitstream/123456789/22226/7/An%c3%a1liseEstat%c3%adsticaM%c3%a9todo_Marinho_2016.pdf.jpgd43deefd41d96e44fdd3a2fb02a488a4MD57123456789/222262019-01-29 23:13:17.432oai:https://repositorio.ufrn.br:123456789/22226Repositório de PublicaçõesPUBhttp://repositorio.ufrn.br/oai/opendoar:2019-01-30T02:13:17Repositório Institucional da UFRN - Universidade Federal do Rio Grande do Norte (UFRN)false |
dc.title.pt_BR.fl_str_mv |
Análise estatística do método compressive sensing aplicado a dados sísmicos |
title |
Análise estatística do método compressive sensing aplicado a dados sísmicos |
spellingShingle |
Análise estatística do método compressive sensing aplicado a dados sísmicos Marinho, Eberton da Silva CNPQ::ENGENHARIAS::ENGENHARIA QUIMICA::TECNOLOGIA QUIMICA::PETROLEO E PETROQUIMICA Reconstrução de dados sísmicos Bayesian Compressive Sensing (BCS) $\ell_1$-MAGIC Wavelets Curtose Entropia Esparsidade |
title_short |
Análise estatística do método compressive sensing aplicado a dados sísmicos |
title_full |
Análise estatística do método compressive sensing aplicado a dados sísmicos |
title_fullStr |
Análise estatística do método compressive sensing aplicado a dados sísmicos |
title_full_unstemmed |
Análise estatística do método compressive sensing aplicado a dados sísmicos |
title_sort |
Análise estatística do método compressive sensing aplicado a dados sísmicos |
author |
Marinho, Eberton da Silva |
author_facet |
Marinho, Eberton da Silva |
author_role |
author |
dc.contributor.authorID.pt_BR.fl_str_mv |
|
dc.contributor.authorLattes.none.fl_str_mv |
http://lattes.cnpq.br/4697680575712492 |
dc.contributor.advisorID.pt_BR.fl_str_mv |
|
dc.contributor.advisorLattes.none.fl_str_mv |
http://lattes.cnpq.br/7151949476055522 |
dc.contributor.advisor-co1ID.pt_BR.fl_str_mv |
|
dc.contributor.referees1.none.fl_str_mv |
Araújo, João Medeiros de |
dc.contributor.referees1ID.pt_BR.fl_str_mv |
|
dc.contributor.referees1Lattes.none.fl_str_mv |
http://lattes.cnpq.br/3061734732654188 |
dc.contributor.referees2.none.fl_str_mv |
Nascimento, Hugo Alexandre Dantas do |
dc.contributor.referees2ID.pt_BR.fl_str_mv |
|
dc.contributor.referees2Lattes.none.fl_str_mv |
http://lattes.cnpq.br/2920005922426876 |
dc.contributor.referees3.none.fl_str_mv |
Henriques, Marcos Vinicius Cândido |
dc.contributor.referees3ID.pt_BR.fl_str_mv |
|
dc.contributor.referees3Lattes.none.fl_str_mv |
http://lattes.cnpq.br/7414109374510547 |
dc.contributor.author.fl_str_mv |
Marinho, Eberton da Silva |
dc.contributor.advisor-co1.fl_str_mv |
Corso, Gilberto |
dc.contributor.advisor-co1Lattes.fl_str_mv |
http://lattes.cnpq.br/0274040885278760 |
dc.contributor.advisor1.fl_str_mv |
Lucena, Liacir dos Santos |
contributor_str_mv |
Corso, Gilberto Lucena, Liacir dos Santos |
dc.subject.cnpq.fl_str_mv |
CNPQ::ENGENHARIAS::ENGENHARIA QUIMICA::TECNOLOGIA QUIMICA::PETROLEO E PETROQUIMICA |
topic |
CNPQ::ENGENHARIAS::ENGENHARIA QUIMICA::TECNOLOGIA QUIMICA::PETROLEO E PETROQUIMICA Reconstrução de dados sísmicos Bayesian Compressive Sensing (BCS) $\ell_1$-MAGIC Wavelets Curtose Entropia Esparsidade |
dc.subject.por.fl_str_mv |
Reconstrução de dados sísmicos Bayesian Compressive Sensing (BCS) $\ell_1$-MAGIC Wavelets Curtose Entropia Esparsidade |
description |
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. |
publishDate |
2016 |
dc.date.issued.fl_str_mv |
2016-08-22 |
dc.date.accessioned.fl_str_mv |
2017-03-13T21:12:47Z |
dc.date.available.fl_str_mv |
2017-03-13T21:12:47Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/doctoralThesis |
format |
doctoralThesis |
status_str |
publishedVersion |
dc.identifier.citation.fl_str_mv |
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. |
dc.identifier.uri.fl_str_mv |
https://repositorio.ufrn.br/jspui/handle/123456789/22226 |
identifier_str_mv |
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. |
url |
https://repositorio.ufrn.br/jspui/handle/123456789/22226 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.publisher.program.fl_str_mv |
PROGRAMA DE PÓS-GRADUAÇÃO EM CIÊNCIA E ENGENHARIA DE PETRÓLEO |
dc.publisher.initials.fl_str_mv |
UFRN |
dc.publisher.country.fl_str_mv |
Brasil |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UFRN instname:Universidade Federal do Rio Grande do Norte (UFRN) instacron:UFRN |
instname_str |
Universidade Federal do Rio Grande do Norte (UFRN) |
instacron_str |
UFRN |
institution |
UFRN |
reponame_str |
Repositório Institucional da UFRN |
collection |
Repositório Institucional da UFRN |
bitstream.url.fl_str_mv |
https://repositorio.ufrn.br/bitstream/123456789/22226/1/An%c3%a1liseEstat%c3%adsticaM%c3%a9todo_Marinho_2016.pdf https://repositorio.ufrn.br/bitstream/123456789/22226/4/EbertonDaSilvaMarinho_TESE.pdf.txt https://repositorio.ufrn.br/bitstream/123456789/22226/6/An%c3%a1liseEstat%c3%adsticaM%c3%a9todo_Marinho_2016.pdf.txt https://repositorio.ufrn.br/bitstream/123456789/22226/5/EbertonDaSilvaMarinho_TESE.pdf.jpg https://repositorio.ufrn.br/bitstream/123456789/22226/7/An%c3%a1liseEstat%c3%adsticaM%c3%a9todo_Marinho_2016.pdf.jpg |
bitstream.checksum.fl_str_mv |
a4e41a53e79bb3f882cce9ac0f42b2a8 4d573e338b2e4a7d1bf30f1a79dfc5bf 4d573e338b2e4a7d1bf30f1a79dfc5bf d43deefd41d96e44fdd3a2fb02a488a4 d43deefd41d96e44fdd3a2fb02a488a4 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 MD5 |
repository.name.fl_str_mv |
Repositório Institucional da UFRN - Universidade Federal do Rio Grande do Norte (UFRN) |
repository.mail.fl_str_mv |
|
_version_ |
1802117652955529216 |