Please use this identifier to cite or link to this item: https://repositorio.ufrn.br/handle/123456789/22226
Full metadata record
DC FieldValueLanguage
dc.contributor.advisorLucena, Liacir dos Santos-
dc.contributor.authorMarinho, Eberton da Silva-
dc.date.accessioned2017-03-13T21:12:47Z-
dc.date.available2017-03-13T21:12:47Z-
dc.date.issued2016-08-22-
dc.identifier.citationMARINHO, 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.urihttps://repositorio.ufrn.br/jspui/handle/123456789/22226-
dc.languageporpt_BR
dc.rightsAcesso Abertopt_BR
dc.subjectReconstrução de dados sísmicospt_BR
dc.subjectBayesian Compressive Sensing (BCS)pt_BR
dc.subject$\ell_1$-MAGICpt_BR
dc.subjectWaveletspt_BR
dc.subjectCurtosept_BR
dc.subjectEntropiapt_BR
dc.subjectEsparsidadept_BR
dc.titleAnálise estatística do método compressive sensing aplicado a dados sísmicospt_BR
dc.typedoctoralThesispt_BR
dc.publisher.countryBrasilpt_BR
dc.publisher.initialsUFRNpt_BR
dc.publisher.programPROGRAMA DE PÓS-GRADUAÇÃO EM CIÊNCIA E ENGENHARIA DE PETRÓLEOpt_BR
dc.contributor.authorLatteshttp://lattes.cnpq.br/4697680575712492-
dc.contributor.advisorLatteshttp://lattes.cnpq.br/7151949476055522-
dc.contributor.advisor-co1Corso, Gilberto-
dc.contributor.advisor-co1ID36990485000pt_BR
dc.contributor.advisor-co1Latteshttp://lattes.cnpq.br/0274040885278760-
dc.contributor.referees1Araújo, João Medeiros de-
dc.contributor.referees1Latteshttp://lattes.cnpq.br/3061734732654188-
dc.contributor.referees2Nascimento, Hugo Alexandre Dantas do-
dc.contributor.referees2Latteshttp://lattes.cnpq.br/2920005922426876-
dc.contributor.referees3Henriques, Marcos Vinicius Cândido-
dc.contributor.referees3Latteshttp://lattes.cnpq.br/7414109374510547-
dc.description.resumoO 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.subject.cnpqCNPQ::ENGENHARIAS::ENGENHARIA QUIMICA::TECNOLOGIA QUIMICA::PETROLEO E PETROQUIMICApt_BR
Appears in Collections:PPGCEP - Doutorado em Ciência e Engenharia do Petróleo

Files in This Item:
File Description SizeFormat 
AnáliseEstatísticaMétodo_Marinho_2016.pdf26.65 MBAdobe PDFThumbnail
View/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.