Programming

Transformasi Domain F-V Kurva Dispersi Data Refraksi menggunakan Matlab (MASW/SASW)

9:17:00 PM Leo Cahya D 9 Comments

Hello Digital world.

Terimakasih sebelumnya untuk pak Eddy Hartantyo yang kemarin memberikan clue dalam membuat kurva dispersi..
oke, jadi setelah mengutakatik, kira-kira proses dari data multi-channel refraksi ke phase velocitiy vs frekuensi itu seperti ini :

1. data timeseries tiap receiver (x,t) di fft 1d tiap x menjadi (x,f)
2. lalu data (x,f) di fft2d menjadi (k,f) lalu di shift (di matlab commandnya fftshift) sehingga bagian tengah merupakan frekuensi 0.
3. gunakan rumus v=2*pi*f/k untuk mengubah (k,f) menjadi (v,f)



referensi :AN APPRAISAL OF SURFACE WAVE METHODS FOR SOIL CHARACTERIZATION
By Khiem Tat Tran






Fig 1. Data refraksi yang akan ditransformasikan




Fig 2. Transformasi menggunakan software Pickwin


Fig 3. Hasil transformasi FK dan FV metode Park et al di Matlab

See ya,

L

9 comments:

Programming

Automatic Event Detection pada data Microseismik

11:54:00 PM Leo Cahya D 7 Comments

Hello Digital World..

Pyuuh..

Pernah mengolah data mikro seismik?
Ya, bagi yang pernah pasti anda sepemikiran dengan saya bagian yang paling membosankan adalah event detection. Sebelum phase-picking untuk relokasi sumbernya sudah jelas kita harus deteksi event dari data raw yang kadang super noisy. Kurang lebih setengah tahun saya bergelut mengolah data proyek kampus, dan ya, rodo njilehi kalau dikasih tugasnya event detection.

Pengalaman lain dalam mengolah data mikroseismik adalah saat saya KP di Pertamina Geothermal Jakarta, asem, di sinilah rasa sebal saya keluar. Saking canggihnya event-event sudah dipilih secara otomatis oleh software komputer di sana, jadi tugas saya tinggal picking, relokasinya juga sudah otomatis, tinggal bikin program untuk menampilkan hasil olahan software tersebut kedalam tampilan map.

Oke, jadi kok bisa?
Dengan data yang noisy itu program tersebut dapat mencarikan rekaman dan memotongkan data bagian yang ada eventnya?
Setelah saya cari-cari ada banyak metode, seperti: AR-AIC, STA/LTA, MER, dll.

Ok, let's make the program ;)
supaya mudah saya gunakan MATLAB dan acuan yang saya pakai adalah :
Automatic time-picking of first arrivals on noisy microseismic data
Joe Wong, Leija Han, John C. Bancroft, and Robert R. Stewart

Pertama data microseismic anda tersebut di-filter atau "dibenerin" dahulu semisal ada yang kepotong atau rekamannya miring dll. Setelah itu mbuh piye carane data anda diload jadi sebuah rekaman yang lama (pengalaman pernah ngolah data orang rekaman seminggu tapi filenya dipisah-pisah tiap 30 detik kan gak lucu :/ mending di merge jadi rekaman setengah hari atau satu harian).

Oke, sekarang contoh bagaimana kita tahu itu eventnya (belum tentu event yang jadi target ya, pokoknya anomali pada rekaman tersebut). Jika anda menggunakan metode STA/LTA, data rekaman tadi diolah dengan menggunakan persamaan di bawah. Dengan syarat window STA lebih kecil dari LTA.

 
RUMUS STA/LTA
Hasil Deteksi menggunakan STA/LTA pada data noise rendah. Dari grafik diketahui nilai tinggi pada STA/LTA membuatnya terdeteksi sebagai event.

Hasil Deteksi menggunakan STA/LTA pada data noise yang lumayan banyak. (Padahal ya kadang kalau dapatnya seperti ini males dipicking phasenya :p)

Jika anda menggunakan metode MER, rumus yang digunakan :
  

 Contoh hasilnya yang terdeteksi :

Hasil Deteksi menggunakan MER pada data noise rendah

Hasil Deteksi menggunakan MER pada data noise yang lumayan banyak.

 Dari hasil-hasil di atas untuk deteksi event saya lebih prefer menggunakan yang MER karena dari hasil diatas metode ini dapat beradaptasi lebih baik pada data yang noisy, dan juga perhitungannya lebih ringan dari STA/LTA secara komputasi, apalagi jika window yang dipilih lebih kecil.

Oke setelah data tersebut diolah dengan salah satu metode tersebut, kita ketahui nilai MER atau STA/LTA untuk anomali dan noise memiliki perbedaan nilai, acuan inilah dimana kita ketahui pada bagian itu terdapat event. Anda tinggal membuat perintah mengambil data dengan lebar tertentu pada daerah anomali tersebut. Jadilah program deteksi event pada seismogram ;)

 Kira-kira contoh untuk mengolah menggunakan MER seperti ini :



Oke deh, sekian dahulu..
See ya-

L

7 comments: