2004年台灣西南部海域震測資料之雜波去除

全文

(1)國立臺灣師範大學地球科學研究所碩士論文. 2004 年台灣西南部海域震測資料之雜波去除 The noise removal of 2004 marine seismic data acquired in the offshore SW Taiwan. 研究生：陳佩欣指導教授：鄭懌博士中華民國 100 年 7 月 26 日.

(2) 2.

(3) 致謝論文順利的完成，是我很幸運的有兩位教授先後的指導與支持。首先要感謝師大的指導教授鄭懌老師，在師大研究所求學的日子裡，給我很多的照顧與鼓勵，鄭老師是很細心的人，晚上開會總是很貼心的提醒我注意時間，怕我太晚回家危險。在我面對問題時，會替學生著急、擔心、設想各種可能的狀況，最後很快的引導我解決困境。老師擁有著精深的學術知識，給予我很多的叮嚀與建議，老師的指導，讓我在研究的過程中不斷進步。也要感謝在海大念研究所時的指導教授，同時也是擔任我口試委員的李昭興教授。在海大求學的日子裡，李老師常鼓勵學生不要怕困難，給我很多難得與充分的機會學習各種技術，跟著去各處開會和野外工作，我看見李老師對研究工作的熱忱與態度，與人互動上，總是親切大聲的問好，讓我學習到的不只是學術知識還有待人處世的寶貴經驗，深深影響著我。忙碌的老師不忘撥空和學生喝下午茶或聚餐，分享趣事，給予我鼓勵和關懷。更難得的是，在我離開學校後，老師同樣大方的願意提供我研究用的野外數據，讓我的研究能接續下去，實現自己想進行的研究。且在我口試時，不吝的給我豐富意見與提醒。當然，資料的取得，還要感謝有經濟部中央地質調查所的計畫執行，才能讓我有豐富的野外資料可做實驗。感謝口試當天，鄭老師給我很多的提醒，還有擔任口試委員的王玉懷老師，很用心的給了我很多好的建議與糾正。劉德慶老師辛苦的下課後來參加，也同樣給我想法與意見，讓我更進步。感謝我的家人，有爸媽一路一直的支持，給我沒有任何顧慮的環境，專心於課業，每次我熬夜趕報告，擔心我開車危險，都會特地載我去台北上課。兩個姐姐和妹妹，都願意讓出空間讓我閉關完成論文。在文化大學裡，有更多從大學開始，一路關心和挺我的人，謝謝吳樂群老師，在你的專題課程裡，就得到了很多做研究應該有的重要概念，打下良好的基礎，你也會常常不時關心我的生活、我的課業，問我過的好不好，可以和你說笑、聊天、分享，跟著你去到處野外，讓我很開心。謝謝郭欽慧老師和蔡裕偉老師也是不時的關心我論文進度。謝謝黃瑞德老師和我分享上課的資料，幫助我寫論文時釐清觀念。更謝謝才潤助教，從大學開始，一路陪伴我，不管生活還是課業，了解我的你，總是給我很多的關心，是老師更是朋友，和你打鬧說笑是我最開心的動力泉源，在我碰到不順遂或是迷途的時候，也願意耐心傾聽，總是不吝給我安慰與建議，在我快放棄的時候推我一把，陪我歡笑，陪我難過，陪我生氣、更陪我一起成長。謝謝大學同學云珺、禹倫、貞伶、鳳儀、卡特、伯宇、意晴、佩臻..... 3.

(4) 和總是會定時問問我近況的秀緣，都給我滿滿的陪伴，常常一起聚餐遊玩的室友佳蓉、曉宜、佩穎、美玲，搞笑的碰碰學長和玲雯學姊，存義、永忠、施國偉、宜伶.....好多好多的學長姊和同學們，你們都不忘幫我加油，給我信心，在我研究碰到瓶頸時，給我很多你們的經驗跟叮嚀，讓我跨越困難。感謝有你們，讓我人生中很開心的大學歡樂時光能延續到現在，是支持我向前的能量。在師大研究室裡，感謝口試時有學長們志松、駿哥、紘旻、逸偉、信翰，學弟妹琦琦、玲媛、楚琳、和立展，大家幫忙我佈置會場，準備餐點與儀器。難忘我們一起出野外，一起吃鍋貼，有愛講冷笑話的紘旻學長，學習一路走來，有你們陪伴與鼓勵，讓我渡過很多困難。特別要感謝逸偉學長，從我一開始進研究室，在研究上，總是花很多時間，很有耐心的從基礎開始教會我，在我碰到困難時，也常鼓勵我、願意撥空陪我一起奮鬥解決問題。在海大，還有王天楷老師，感謝王老師給我研究上嚴格的訓練教導與生活的關懷，讓我進步和學習到不少。所長洪奕星老師，在我無助時，很感謝你給我的關心，我感受到並記憶深刻，更謝謝老師給我研究報告上的信心與鼓勵，並很有邏輯的提供我非常好的建議，讓我看到自己的盲點所在，您給我的，都是在我離開後支持我向前的力量。謝謝研究室很有效率的助理玉英姐、好笑的豐哥、學長姊雯苓、健三、鼎仁、家明、薇婷、懋翔、怡君、本中，在我研究上有困難，大家都很盡心的教我，尤其是客氣的小珊學姊，和優秀的政順學長，都很認真有耐心，犧牲自己的時間，一步一步帶我操作，陪我找出問題，生活上也常常給我關懷。還有好多同學及學弟們的支持，在浩、治強、菲菲、韻雯、叮噹、浩維、亮鈞、敏叡。感謝我的多年好友們小郭、米粉、小叡、兔子、依恩、還有吳信賢在我最後趕論文的階段，常常陪我去圖書館從早到晚唸書一整天，而且不時給我加油打氣，告訴我要撐下去。所有的人以及來不及寫進的好多好多人，都是在我的人生路程上，給我不斷鼓勵和幫助，讓我的人生充滿精采。你們，都是我人生中最特別、也會是我最難忘的回憶，真的衷心感謝。. 4.

(5) 摘要本研究針對海底地震儀(ocean bottom seismometer，簡稱 OBS)之海域震測數據的各類雜波做處理。主要方法為使用資料分析新技術，總體經驗模組分解法(ensemble empirical mode decomposition,簡稱 EEMD)，進行各類雜波之去除，提升資料信噪比(S/N ratio)。同時也嘗試其他不同的濾波技術，如適應性濾波(adaptive filtering)方法中的維那濾波器(wiener filter)、中值濾波器(median filter)和傳統常用的頻率濾波器，Butterworth filter，等方法進行處理，並比較其效果。處理流程為先以人工設計模型進行測試，證實並了解各方法對於此類型資料的濾波成效，然後應用到 2004 年台灣西南海域實際記錄到之海底地震儀資料數據。研究結果顯示，所使用的各種濾波器中，傳統 Butterworth 濾波器對不與信號頻帶重疊的諧和雜波(harmonic noise)具消除效果，但濾波結果有時間延遲、波形變形、偏移，相位差等缺點。維那與中值濾波器對資料中的隨機雜波(random noise)去除效果較佳，但無法有效移除諧和雜波，且處理過程費時。相較之下， EEMD 可更有效、快速、正確的成功移除 OBS 資料背景中的各類雜波。關鍵字:總體經驗模組分解法、經驗模組分解法、海底地震儀、信噪比、諧和雜波、濾波. 5.

(6) 目錄致謝摘要目錄圖表目第一章緒論 ................................................................................................. 10 1-1 前言..................................................................................................... 10 1-2 研究動機 ............................................................................................. 11 1-3 前人研究 ............................................................................................. 13 第二章理論介紹.......................................................................................... 16 2-1 經驗模組分解法和本質模組函數...................................................... 16 2-2 總體經驗模組分解法.......................................................................... 22 2-3 巴特沃斯濾波器(BUTTERWORTH FILTER) ......................................... 25 2-4 二維中值濾波器(2D MEDIAN FILTER)............................................... 27 2-5 二維維那濾波器(2D WIENER FILTER) ............................................... 28 第三章人工合成模型分析 .......................................................................... 30 3-1 研究規劃 ............................................................................................. 30 3-2 原始震測模型建立............................................................................. 31 3-3 震測模型合成信號進行 EEMD 分析 ................................................ 34 3-3 震測模型合成信號經其他濾波器處理結果 ...................................... 41 第四章野外工作介紹與資料處理流程....................................................... 45 4-1 海上野外測勘範圍與環境介紹.......................................................... 46 4.2 海底地震儀簡介 ................................................................................. 48 4-3 資料格式轉檔與名稱 ......................................................................... 50 第五章 EEMD 資料處理與結果討論 .......................................................... 57 5-1 EEMD 資料處理與參數設定.............................................................. 57 5-2 OBSA01 之 EEMD 分析與各類濾波器處理結果討論....................... 60 5-3 OBSA03 之 EEMD 分析與各類濾波器處理結果討論....................... 70 5-4 OBSB03 之 EEMD 分析與各類濾波器處理結果討論....................... 79 第六章結論 ................................................................................................. 89 參考文獻 ....................................................................................................... 91. 6.

(7) 圖表目. 圖圖圖圖圖圖圖圖圖圖圖圖圖圖圖圖圖圖圖圖圖圖圖圖圖圖圖圖圖圖圖圖圖圖. 2-1 信號經 CUBIC SPLINE 連結後所得到之包絡線 ................. 2-2 二維中值濾波實際運算的方式 ............................ 2-3 二維維那濾波器 ........................................ 3-1 基本理想海域震測模型剖面圖 O .......................... 3-2 基本理想海域震測模型剖面添加白雜訊 .................... 3-3 震測模型合成信號剖面圖 S .............................. 3-4 震測模型合成信號經 EEMD 拆解之本質模組函數 IMF1 ........ 3-5 原始震測模型合成信號經 EEMD 拆解之本質模組函數 IMF2 .... 3-6 震測模型合成信號經 EEMD 拆解之本質模組函數 IMF3 ........ 3-7 震測模型合成信號經 EEMD 拆解之本質模組函數 IMF4 ........ 3-8 震測模型合成信號經 EEMD 拆解之本質模組函數 IMF5 ........ 3-9 震測模型合成信號經 EEMD 拆解之本質模組函數 IMF6 ........ 3-10 震測模型合成信號經 EEMD 拆解之本質模組函數 IMF7 ....... 3-11 震測模型合成信號經 EEMD 拆解之本質模組函數 IMF8 ....... 3-12 震測模型合成信號經 EEMD 拆解之本質模組函數 IMF9 ....... 3-13 選取 IMF3+IMF4 重新組合的合成信號圖 G ................. 3-14 BUTTERWORTH 濾波器對於震測模型合成信號之成果圖 ......... 3-15 二維中值濾波濾波器對於震測模型合成信號之成果圖 ....... 4-1 海研一號研究船 ........................................ 4-2 2004 年海上野外工作測線規劃與海底地震儀測站位置 ....... 4-3 海上震測探勘工作狀況 .................................. 4-4 為 2004 年所使用儀器大型海底地震儀 ..................... 4-5 為輕巧型海底地震儀 .................................... 4-6 REFLEX 軟體將原始資料 SEGY 格式輸出為 DZT 格式檔案 ......... 4-7 RTOAW 處理的面板，可將 DZT 格式輸出為 TXT 格式............. 4-8 原始資料下方有空白無訊號區塊 .......................... 4-9 取 ALINE 測線區域 OBS01 原始資料中的單一跡線 ............. 4-10 取 BLINE 測線區域 OBS01 原始資料中的單一跡線 ............ 4-11 取 CLINE 測線區域 OBS01 原始資料中的單一跡線 ............ 4-12 取 DLINE 測線區域 OBS01 原始資料中的單一跡線 ............ 5-1 EEMD 分解中 ENSEMBLE MEMBERS 個數疊加分析比較圖............ 5-2 EEMD 分解中，添加白色雜波振幅標準偏差大小分析比較圖 ... 5-3 OBSA01 經 EEMD 分解後，產生的分量 IMF1.................. 5-4 OBSA01 經 EEMD 分解後，產生的分量 IMF2.................. 7. 18 27 29 32 33 34 35 35 36 36 36 36 37 37 38 40 42 43 45 46 47 48 49 51 51 52 53 53 54 54 59 59 60 60.

(8) 圖圖圖圖圖圖圖圖圖圖圖圖圖圖圖圖圖圖圖圖圖圖圖圖圖圖圖圖圖圖圖圖圖圖圖圖. 5-5 OBSA01 經 EEMD 分解後，產生的分量 IMF3.................. 5-6 OBSA01 經 EEMD 分解後，產生的分量 IMF4.................. 5-7 OBSA01 經 EEMD 分解後，產生的分量 IMF5.................. 5-8 OBSA01 經 EEMD 分解後，產生的分量 IMF6.................. 5-9 OBSA01 經 EEMD 分解後，產生的分量 IMF7.................. 5-10 OBSA01 經 EEMD 分解後，產生的分量 IMF8................. 5-11 OBSA01 經 EEMD 分解後，產生的分量 IMF9................. 5-12 OBSA01 原始數據資料 .................................. 5-13 OBSA01 經 EEMD 分解後，重組 IMF1+IMF2.................. 5-14 OBSA01 經 BUTTERWORTH 濾波器之成果圖 .................... 5-15 OBSA01 經 MEDIAN2D 濾波器之成果圖 ...................... 5-16 OBSA01 經 WIENER2D 濾波器之成果圖 ...................... 5-17 OBSA03 經 EEMD 分解後，產生的分量 IMF1................. 5-18 OBSA03 經 EEMD 分解後，產生的分量 IMF2................. 5-19 OBSA03 經 EEMD 分解後，產生的分量 IMF3................. 5-20 OBSA03 經 EEMD 分解後，產生的分量 IMF4................. 5-21 OBSA03 經 EEMD 分解後，產生的分量 IMF5................. 5-22 OBSA03 經 EEMD 分解後，產生的分量 IMF6................. 5-23 OBSA03 經 EEMD 分解後，產生的分量 IMF7................. 5-24 OBSA03 經 EEMD 分解後，產生的分量 IMF8................. 5-25 OBSA03 經 EEMD 分解後，產生的分量 IMF9................. 5-26 OBSA03 經 EEMD 分解後，產生的分量 IMF10................ 5-27 OBSA03 經 EEMD 分解後，重組 IMF1+IMF2.................. 5-28 OBSA03 經 BUTTERWORTH 濾波器之成果圖 .................... 5-29 OBSA03 經 MEDIAN2D 濾波器之成果圖 ...................... 5-30 OBSA03 經 WEIENER2D 濾波器之成果圖 ..................... 5-31 OBSB03 經 EEMD 分解後，產生的分量 IMF1................. 5-32 OBSB03 經 EEMD 分解後，產生的分量 IMF2................. 5-33 OBSB03 經 EEMD 分解後，產生的分量 IMF3................. 5-34 OBSB03 經 EEMD 分解後，產生的分量 IMF4................. 5-35 OBSB03 經 EEMD 分解後，產生的分量 IMF5................. 5-36 OBSB03 經 EEMD 分解後，產生的分量 IMF6................. 5-37 OBSB03 經 EEMD 分解後，產生的分量 IMF7................. 5-38 OBSB03 經 EEMD 分解後，產生的分量 IMF8................. 5-39 OBSB03 經 EEMD 分解後，產生的分量 IMF9................. 5-40 OBSB03 原始數據資料 ................................... 8. 61 62 62 63 63 64 64 66 66 67 67 67 70 70 70 71 72 73 72 73 73 75 76 76 78 79 80 80 80 80 81 81 82 82 84 84.

(9) 圖 5-41 OBSB03 經 EEMD 分解後，重組 IMF1+IMF2+IMF3 ............. 85 圖 5-42 OBSB03 經 BUTTERWORTH 濾波器之成果圖 .................... 86 圖 5-43 OBSB03 經 WIENER2D 濾波器之成果圖 ...................... 87 表一轉檔前後各區域資料的取樣點數與跡線數........................................ 55 表二各區域原始和切除後的資料數據之採樣時間與採樣點數................. 56. 9.

(10) 第一章緒論. 1-1 前言台灣自產所擁有能源資源有限，常用的傳統能源像是石油、媒、天然氣等資源，佔大部份的比例都需要依靠進口，然而全球的能源需求大讓油價的提高，供應國的不穩定，能源的問題隨時都有可能發生短缺的危機。國內對於能源的需求是不可間斷的，能源的提供直接影響著國家經濟產業發展和國家安全，因此政府致力於開發尋找替代能源。天然氣水合物(Gas hydrates)是一種非常潔淨的能源，能提供的有機碳能量是目前全球所有化石燃料總合的兩倍，有可能將替代石油煤等燃料，成為未來新世紀最佳的環保新能源，若開發成功，對我國的經濟發展必有重要貢獻。由於特殊的地質環境，在劉家瑄等人(1999)與 Schnurle et al. (1999, 2000)等文章中，依據多頻道震測反射系統（multi-channel seismic reflection system，簡稱 MCS）資料存在有海底仿擬反射信號，認為在臺灣西南海域可能有廣泛的天然氣水合物分布，因此在 2004 年 9 月，台灣海洋大學的海底地震儀團隊配合中央地質調查所的調查計劃，利用海研一號在此區域進行野外工作，取得了數筆多頻道震測反射與海底地震儀(ocean bottom seismometer，簡稱 OBS)之. 10.

(11) 海域震測資料，欲對此區進行地質、地球化學與地球物理研究，此海底地震儀震測資料即為本研究進行實驗分析之主要數據。. 1-2 研究動機對於地球內部地殼，難以接觸或直接看見的區域，我們常使用震測探勘的方式去獲得相關的數據，依據震測資料的分析與解釋，可提供我們了解測區的地質概況，以利進行地質、地震、氣象、海洋、工程、經濟、地球物理等各方面的應用。震測探勘的方法，大致可分成折射震波探勘(seismic refraction)與反射震波探勘(seismic reflection)。其原理是製造人工震源，產生的震波能量穿透地層，震波能量在岩層層面有響應 (response)，能量部分穿透，部分反射，反射波和折射波的傳遞，可由地表規劃排列出之受波器（geophone）接收，傳回震測儀紀錄震測訊號。以垂直方向上來說，是利用岩層間的不同的特性與各岩層不同的深度，波能量有不同的傳遞方式與速率，讓接收器收回的訊號可反應出位於地底下的岩石概況和特性，期望經過資料記錄後，由處理分析下的震測訊號，能透過間接的方式來還原地底下的地質構造原貌。海洋地球物理的反射震測探勘中，對於海洋地殼的探測，因為隔著大量的海水，讓探勘工作移至海面上的研究船進行作業。儀器的佈. 11.

(12) 置，海上和陸上利用相同原理的設計排列，不同的是，海洋探測可多在海床底同時佈設受波器，放置海底地震儀測站，可接受更深層傳遞回的反射與折射訊號。震測探勘野外工作，會受各種因素像是測勘環境、儀器本身、岩石特性等影響儀器的接受，讓資料出現雜波(noise)，降低其訊號品質，影響著數據結果的可靠性。故消除雜波在地球物理信號分析中是很重要的部份。根據鄧家明在2009年的論文中指出，海底地震儀測站位於海底，工作人員無法控制與了解其環境，訊號品質的提升，只能控制震源的方式、大小及週期；主要還需依靠資料處理的方式提升訊號品質，故資料處理是海底地震儀作業中很重要的一環。有鑑於此，本研究嘗試使用一個近年發展出的新數據分析方法，總體經驗模組分解法 (ensemble empirical mode decomposition,簡稱 EEMD)，將資料分解成多個有實際物理意義的分量，產生濾波庫，將信號與雜訊分離，再挑選需要的部份進行數據重構，達到去除雜波的濾波效果，期望能有效增強反射訊號，抑制雜波，提升資料的信噪比(S/N ration)，避免後續資料處理過程中，造成人工判讀的錯誤。本研究主要採用新的濾波技術，總體經驗模組分解法，還嘗試了中值濾波(median filter)、維那濾波(wiener filter)和傳統常用的. 12.

(13) 頻率濾波Butterworth filter等方法進行處理。. 1-3 前人研究近十年來，國內引進海底地震儀的研究與應用廣泛，起初使用在監測天然地震(王承韜,2006;)，之後還幫助建立 P 波速度構造與泊松比(Poisson's ratio)構造模型，提供海底地形與地殼構造分析、調查 BSR 分佈協助天然氣水合物的開發(陳志賢,2006; 楊惠如,2007; 蔡宏睿,2007; 詹政順,2008; 鄧家明,2008;)、近年更提出利用海底地震儀資料模擬地震發生時，海嘯發生的可能性，幫助發展建立海嘯預警系統。有關諧和波雜訊(harmonic noise)對於地球物理數據資料的干擾，已經困擾著地球物理學家數十年了。檢視海底地震儀震測資料，其背景雜訊中同樣也發現存在著此雜訊，以及少數的隨機雜訊 (random noise)。雜訊可源自於鐵路電力線、連接儀器的電纜線或是電磁發射器本身(Butler and Russell, 1993; Jeng et al., 2007; Bagaini, 2010)，數據資料可能直接在整個電磁測量的磁場受到汙染，間接由連接儀器的電纜線產生，或是透過人為因素所製造的 (Butler and Russell, 2003; Huang and Wu, 2008)。要解決這種出現在野外震測資料中的諧和波雜訊，若使用傳統針對線性數據的傅利. 13.

(14) 葉轉換濾波技術，可能會造成原始信號的失真，因為地球物理資料往往都是非線性且非穩定的。目前常見的解決辦法，是將數據紀錄中估計出的諧和波雜訊直接減去(Nyman and Gaiser, 1983; Butler and Russell, 1993; Jeffryes, 2002; Meunier and Bianchi, 2002; Butler and Russell, 2003; Saucier et al., 2006)。估計的方法可經由各種發展出的演算法或各類準則，判斷出諧和波雜訊基頻的相位、頻率和振幅.，但是此種方法卻是不太實際的，因為諧和波雜訊的特性，往往隨著時間，會受到各種原因而有所差異的。其他有效的方法是利用反演技術，但需要足夠的資料量，且資料的品質要好。還有可使用濾波器，但是卻是很費時的，且要選擇適當(Guitton and Symes, 2003; Guitton, 2005; Haines et al., 2007)。在1998年由Huang等人提出經驗模組分解法(empirical mode decomposition，簡稱EMD)，可處理非線性、非穩定性的數據，近十年來已經廣泛使用在科學和工程的數據分析上。為了減少EMD出現的模組交錯(mode mixing)問題，對原始數據添加入白色雜訊(white noise)，由原始的EMD修正，於2008年Huang and Wu發展出更有效、可靠的總體經驗模組分解法。EMD和EEMD近十年在各領域研究廣泛，且已有多項研究證實此法是個很有效的頻譜分析和濾波技術 (Gloerson and Huang, 2003; Flandrin et al., 2004; Battista et. 14.

(15) al., 2007 ; Jeng et al., 2007; Huang and Wu, 2008; Feldman, 2009; Lin and Jeng, 2010)，其他方面的應用如地球物理的震測資料處理 (黃彥勳, 2004; 簡忻怡, 2006; 羅建航, 2007)，甚低頻電磁測勘對於台灣南部泥火山之研究(林銘駿，2009)，海洋用於波浪資料的分析 (徐湘綾,2007; 陳乃光,2008)，海水位資料對於海嘯的資料分析(郭力豪,2009)等，都說明了此方法的實用。. 15.

(16) 第二章理論介紹. 本研究主要欲以 EEMD 濾波技術，針對海域震測資料處理上，作更精緻的信號分析及應用，下面主要針對 EEMD 的原理做介紹。因為 EEMD 是以 EMD 為基礎，經修正所發展出的新數據分析方法，所以本文先從 EMD 開始介紹: 2-1 經驗模組分解法和本質模組函數經驗模組分解法和本質模組函數經驗模組分解法是由Huang等人，在1998年提出來的一種適應性數據分析方法，適用於非線性和非穩定數據解析，用數據本身的零均值(zero-mean)展現數據調制振幅和調制頻率的特性(Flandrin et al., 2004)。 EMD可以將複雜的信號分解，產生一個或多個的數據集合，此集合即為具有可適性的本質模組函數(Intrinsic mode function, 簡稱 IMF)。 EMD的進行，是找出信號數據中的局部極大值和局部極小值，使用立方弧線(cubic spline)分別連接起來，當作上部局部極大值包絡線(maxima envelope)和下部局部極小值包絡線(minima envelope)。此兩條包絡線內，會包含全部的數據資料。將兩包絡線相加取平均值，得到均值線 m1，x(t ) 為原始信號數據，然後每個數據 x(t ) 和 m1 的差， 16.

(17) 數學表如下： x(t ) − m1 = h1. (2.1) 這個過程如方程式(2.1)，稱為篩選(sifting)，目的是可消除數據中載波(riding waves)，且使得到的數據，波面(wave profile)會變得更加對稱。在(2.1)式過程中，同時是將直角座標的局部參考零值線移到 m1 ，原本的座標系統變成曲線座標系統，也就是把均值包絡線和 y軸當成新的座標系統。經由(2.1)方程式篩選過程得到的 h1 ，要認定是不是能成為一個 IMF，根據Huang等人(1998)定義出IMF必須滿足下列兩個基本條件: (1)函數的極大值、極小值及過零點必需數目一樣，頂多差1個。 (2)在函數的任何一點上，由局部極大值所構成的極大值包絡線和局部極小值所構成的極小值包絡線，數據上下兩條包絡線必須有對稱性，也就是說，上下兩條包絡線的平均值必須是零，為零均值(圖2-1)。. 17.

(18) 圖 2-1 信號經cubic 信號經cubic spline 連結後所得到之包絡線（連結後所得到之包絡線（Huang,2003 Huang,2003） 2003）. 第一個條件的定義和傳統平穩高斯過程(stationary Gaussian process)中窄頻寬(narrow-band)的要求很類似，第二個條件是在瞬時頻率中避開數據震盪產生不對稱的波形。滿足以上兩個條件的函數就是。IMF 是一個比較簡單的震盪運動，包含了一個模態的振動，不會有複雜的載波，更一般化。它同時具有調幅和調頻這兩種功能（amplitude and frequency modulation），也就是說，其振幅跟頻率是可以變動的。不會被限制成一個窄頻的信號。理論上數據處理時，極值點立方弧線回歸所構成的上下包絡線應該包括所有數據，但是在實際處理時，數據中或許是有少許的數據超過上下兩條極值包絡線，有越線(overshoots and undershoots) 的情況。(簡忻怡,2006; 18.

(19) 羅建航,2007; ) 根據前述的 IMF 定義，檢查(2.1)式中 h1 是否符合，並不是每一次得到的 h1 都會滿足定義，如果未滿足這些條件時，像是兩個過零點之間還有許多極值，那麼篩選過程就必須重複，則 h1 就當做待處理的數據，如方程式(2-2)： (2.2). h1 − m11 = h11. m11 是新數據 h1 的平均值， h11 就是新數據與新平均值的差，如此重複 k. 次直到出現滿足條件的IMF為止，可得到 h1k ，如方程式(2.3)： (2.3). h1( k −1) − m1k = h1k. (2.3)式中的 h1k 指的就是 c1 ，為數據中第一個得到的 IMF 分量，記為 (2.4). h1k = c1. c1 是經過 k 次的篩選過程獲得的。通常此 c1 會是含有原始數據最細微. 的尺度或最短週期的分量。將原始數據資料減去 c1 這新產生的分量，然後將剩餘的數據資料來當作一個新的數據資料 r1 ，再將 r1 重新用前述相同的原則再次進行篩選，分離出 c2 … cn ，依序得到各個滿足IMF 定義且頻率逐漸遞減的訊號分量， r1 … rn 分別為每次篩選過程結束後的剩餘函數，當剩餘函數開始變為單調函數或是常數，只是一個趨值走勢，就無法再分離出IMF時，此時分解過程就結束，篩選過程全部完成。. 19.

(20) 數學方程式說明如下： x(t ) − c1 = r1 r1 − c2 = r2. … (2.5). rn−1 − cn = rn. 方程式(2.5)可以改寫成方程式(2.6) n. x(t ) = ∑ c j + rn. (2.6). j =1. 上式中 c j 與足碼 j = 1 ,…，n 是 IMF 的分量個數， rn 是經過重複 n 次的篩選過程得到的剩餘函數(Huang et al., 1998; Huang and Shen,2005; Huang and Wu, 2008)。重複篩選的過程，在計算上，為了確保分解出的IMF分量的振幅與頻率變動能保留下有物理意義的訊息IMF，會設立一些終止篩選的準則: T. | (h1( k −1) (t ) − h1k (t )) | 2. t =0. h12( k −1) (t ). SD = ∑ [. ]. (2.7). 像是從兩個連續不間斷的內在模組函數的結果中計算出(2.7)標準差 (standard deviation, SD) (Huang et al., 1998)或者是計算兩個內在模組函數的均方根的差異(Rilling et al., 2002)。以標準差來說，通常SD值建議設定在0.2~0.3，當SD值達此範圍甚至更小時，則視為該次篩選過程完成，可進行下一次篩選過程。另一種是較簡單且 20.

(21) 可能會是更好的標準，就是在連續3~8次內皆得到相同數目的過零點和極值時，即可進行下一次篩選。誤差標準或篩選次數不宜太過嚴苛，否則容易得到類似傅氏（Fourier）分析的結果，而失去此方法的意義。(林銘駿,2008; 洪暉程,2009; Huang et al.,1998; Huang and Wu, 2008; Jeng and Chen,2011) 前述的 c1 , c2 … cn ，為滿足條件的各 IMF 分量，理論上，若將 c1 , c2 … cn 互相加總之和，就會是原始數據資料的值，加總後應該不會. 有訊號的損失，但是由於在電腦計算的過程中，因為尾數的進位或捨去，會讓 IMF 各分量 c1 , c2 … cn 互相加總之和與原始數據資料有些微的誤差，但差異是非常的微小。整體來說，這樣的結果還是顯示出 EMD 的過程是具有完整性(completeness)。如此讓數據資料的分解重組具有可靠性，可採取選取有意義的成分波進行重組，去除可能的雜訊。簡單來說，EMD主要就是一再的執行篩選的過程，將數據的上下包絡線找出來，求取平均值，然後把數據扣掉平均值，看是否滿足IMF 的條件；若不吻合，就把已扣掉平均值的數據當做原始數據，繼續重複同樣的過程，直到滿足所預定的誤差標準值，或達到預設的篩選次數為止。. 21.

(22) 2-2 總體經驗模組分解總體經驗模組分解法模組分解法 EEMD是近年由Huang and Wu (2008) 所發展出的新數據分析方法，是一個更強大的分解法，為了減少EMD中模組交錯的問題，以EMD 方法為基礎，經過修正，可更有效、可靠的將數據做非線性、非穩定（non-stationary）性的分析。在原始EMD的分解過程中，因為其極值選擇的優先順序是目前時間點上的最高頻再到低頻，所以可能沒考慮到短暫出現的高頻，原本屬於前一個IMF之震盪訊號，被閒歇性細微的信號嵌入影響，極大值包絡線與極小值包絡線產生突然的擾動，導致不同的兩個時間尺度被歸類成同一個IMF，或者單一時間尺度訊號被切割成兩個IMF，無法被適當分類到正確的IMF中，讓分解尺度解析不完整，則稱為模組交錯。這樣的情形，讓後續的每個IMF蘊含的物理意義都被破壞，失去了原本系統的性質。(洪暉程,2009) EEMD為了克服EMD中模組交錯的問題，改良其演算方法，採用了兩個概念可以應用於EMD，希望能消除模組交錯的情形，一個是雜波輔助分析法(noise-assisted data analysis approach, NADA)、另外一種為雜波輔助信號萃取方法(noise-assisted signal extraction, NASE) 。(Wu and Huang, 2008) EEMD在原始測勘數據在進行演算法篩選分解前，加入了寬頻域有. 22.

(23) 限振幅的白色雜波信號輔助，白色雜訊經由傅立葉轉換後其能量會是均勻分布在頻域上，將白色雜訊加入原始訊號後，由於其訊號會均勻分布在每個分量上，經過一再的重複篩選過程和紛亮的平均，加入的的白色雜波會相互抵銷，原始訊號就會被分解到適當頻率的分量中。 (郭力豪,2009) 利用白色雜波擁有各種頻率的特性，將可填補整個時間尺度和頻率空間，幫助我們解決模組交錯的問題。在實際演算過程中，一開始我們就是添加有限振幅的白色雜波 p(t ) 於原始數據 x(t ) 中，形成新的數據 X (t ) ，然後進行EMD演算新數據 X (t ) 。數學表示方式如下(Lin and Jeng, 2010)： (2-8). X (t ) = y (t ) + p (t ) × R. 白色雜波 p(t ) 是一個有限且無序的數列，有一定的振幅規範和零均值的常態分布。 R 是原始數據中添加入的白色雜波振幅的標準偏差比。也就是說，我們所添加的白色雜波的振幅大小是有限的值，它是依據原始數據的振幅標準偏差值而給定的。 EMD 參數設定固定分解出的通常是相同的結果，EEMD 卻不是如此。因為置入的白色雜訊是隨機的，EEMD 每次加入了不同的白色雜訊，即使選用相同參數，計算出的結果仍然不太相同，分解出來的 IMF 都會有不同。. 23.

(24) EEMD使用加入白色雜波輔助要注意的是，由於添加的雜波並非是我們想要的信號，所以要一再的加入的白色雜波後做同樣的EMD處理，重複篩選處理過程(ensemble)許多次，得到一組在同一層次的 IMF。最後再將此組IMF求取平均值，就是在該層次最具代表性的IMF。目的就是利用隨機雜波的無序性及尺度的完整性，使IMF在平均之後，加入的的白色無序雜波會相互抵銷，但提供給每一層次的信號有足夠的時頻空間，不致於讓不同層次的信號混雜在一起。而重複的次數理論上是越多越好，但是越多次，會讓電腦運算的時間拉長且需考慮電腦的效能是否能處理這麼龐大的資料量，以致無法運算。利用此方法，重複的次數越多，越能接近有意義的數據，假使能夠將環境噪音從擷取到的訊號中分離，便能抑制噪音對後續訊號處理中的干擾，突顯原始訊號的物理意義。這種方法已經被Flandrin等人 (2004)、Wu和Huang(2004)證明EEMD可以充當成一個二組濾波器 (dyadic filter)針對各種類別的雜訊。本研究即欲以EEMD作為一濾波方法，對於海域震測資料去做分析，期望能濾除掉資料中的雜訊，提高數據的信號比。. 24.

(25) 2-3. 巴特沃斯巴特沃斯濾波器( 濾波器(Butterworth Butterworth filter) ilter) Butterworth filter 是電子濾波器(electronic filters)的一. 種，具有信號處理功能的裝置，常用於去除訊號中不想要的成分或是增強所需成分。濾波器中，有 FIR(finite impulse response filter) 與 IIR(infinite impulse response) 兩種不同類型的濾波器。 FIR 是有限脈衝響應濾波器，其設計架構沒有回授的元件，輸出訊號與輸入訊號有關。IIR 是無限脈衝響應濾波器，其設計架構含有回授的元件，某一時刻的輸出訊號與當時或更早的時刻輸入訊號有關。本研究使用的 Butterworth filter 則為 IIR 濾波器的一種，另外還有 Chebyshev filter 、 Elliptic filter，都各具有不同的頻率響應特徵。Butterworth filter 的特點是通頻帶的頻率響應曲線最為平滑，其數學式如下(周智豪,2006):. p. LR. = 1+. ω   K  ωc . 2. 2. (2-9). 其中 N為濾波器的階數（filter-order）. ω. c. P. LR. 功率損耗比(Power Loss Ratio). P. LR. 為當波源與負載皆匹配時，. 為截止頻率. S 25. 21. 的倒數。以dB表示的介入損.

(26) 耗( IL )為 (2-10). IL =10log P LR 假設截止頻率c. ω. c. =1時，當N=1， ω =1時，通帶邊緣的功率損失比為1+ K 2 ，當其. 損耗比為3 dB時，則k=1，故所需之功率損失比函數為:. P. LR. =1+ ω 2. (2-11). 經由公式的計算，或如本研究使用Matlab電腦軟體，對於規格、特性、參數設計，像設定階數、通過頻率範圍，後進行運算，便可獲得濾波的結果。下節開始，介紹本研究使用之另外兩種適應性濾波(adaptive filtering)方法，維那濾波器(wiener filter)及中值濾波器(median filter)。. 26.

(27) 2-4. 二維中值濾波二維中值濾波器中值濾波器(2D Median filter) filter). 假設 x(⋅, ⋅) 是一個二維的信號，在 (2 N + 1) × (2 N + 1) 大小的濾波器視窗中心的點為 (n1 , n2 ) ，定義其基本視窗如下，(鍾佳芳,2005). W [n1 , n2 ] = {x(n1 + k , n2 + k ) : − N ≤ k ≤ N }. （2-12）. 二維中值濾波器的處理結果定義如下，. YMF (n1 , n2 ) = median[x(⋅,⋅) ∈ W [n1 , n2 ]]. （2-13）. 0, 2, 3, 3, 4, 6, 10, 15, 97 圖 2-2 二維中值濾波實際運算的方式. 參考圖 2-2，簡單來說，中值濾波處理的過程，是將訊號的數值，依我們所設定的視窗大小，將視窗中的各數值取中位數的方式去進行運算。. 27.

(28) 2-5. 二維維那濾波二維維那濾波器維那濾波器(2D Wiener filter) filter). 假設接收到信號的模型如下(鍾佳芳,2005): g (n1 , n2 ) = f (n1 , n2 ) + v(n1 , n2 ). （2-14）. 其中 v(n1 , n2 ) 為白色 and 平均值(mean)為零，變異數(variance) 為 σ v2 的雜信，其 power spectrum Pv (ω1 , ω 2 ) 可以給定為 Pv (ω1 , ω 2 ) = σ v2. （2-15）. 假設局部信號 f (n1 , n2 ) 是穩定的，在這個小區域中，給定維那濾波器 H (ω1 , ω 2 ) H (ω1 , ω 2 ) =. Pf (ω1 , ω 2 ) Pf (ω1 , ω 2 ) + Pv (ω1 , ω 2 ). =. σ 2f σ 2f + σ v2. （2-16）. 脈衝響應 h(n1 , n2 ) 可寫為 h(n1 , n2 ) =. σ 2f δ (n1 , n 2 ) σ 2f + σ v2. （2-17）. 濾波器處理結果定義如下， p(n1 , n2 ) = m f (n1 , n2 ) + (g (n1 , n 2 ) − m f (n1 , n2 )) ∗. = m f (n1 , n2 ) +. σ 2f (n1 , n 2 ) δ (n1 , n2 ) σ 2f (n1 , n2 ) + σ v2. σ 2f (n1 , n 2 ) (g (n1 , n2 ) − m f (n1 , n2 )) σ 2f (n1 , n 2 ) + σ v2. （2-18）. 又 σ g2 = σ 2f + σ v2 且 m g = m f ，可得 p(n1 , n2 ) = m g (n1 , n2 ) +. σ g2 (n1 , n 2 ) − σ v2 (g (n1 , n2 ) − m g (n1 , n2 )) σ g2 (n1 , n 2 ). 28. （2-19）.

(29) g (n1 , n2 ). +. +. －. Pf (ω1, ω2 ) Pf (ω1, ω2 ) + Pv (ω1 , ω2 ). +. +. +. m f + mv. mf. 圖 2-3 二維維那濾波器二維維那濾波器. 29. p(n1 , n2 ).

(30) 第三章人工合成模型分析. 3-1 研究規劃對於海域震測訊號資料，同樣存在著困擾的各類雜波訊號，要解決雜波問題，需借助各類濾波技術的處理，提高信噪比，使資料能有更良好的呈現。然而海域震測數據為非線性非穩定性的數據紀錄，若使用傳統的傅利葉分析，會無法符合其假設，結果可能不具有意義。海上野外震測工作接收回的數據資料，受到環境等因素，固然有其特性，對於有適應性的 EEMD 數據分析新方法，應用於海底地震儀紀錄上，是否有其成效，我們可先進行測試，對於各方法的特性與缺失，有初步的了解，以利後續在實際野外資料上，能有精準的判斷。測試的進行，可利用人工模擬的方式，考量海上野外工作的各種特性和環境影響，依照震測探勘原理，設計出相近於實際資料的理想海域震測訊號資料，設計出基本的理想狀態，再將合成模型訊號，添加環境的背景雜波，如常見的高斯雜訊和可能產生的諧和波雜訊，使用 EEMD 進行模擬訊號分解，此外同時也對常用的各類濾波器進行測試，可互相比較以往的技術，對於海底地震儀資料抑制雜訊的成效如何。模擬分析測試的方法，好處在於輸入的訊號為人工依原理設計，. 30.

(31) 都為已知訊號，除了自己欲添加入的雜訊，並無未知的雜訊部份，因此對於結果可更有效的判斷。由於本研究中，實際野外海域震測數據的展示，都是將儀器每條跡線(trace)的數據資料合併為一筆，形成虛擬二維的方式來呈現，故本研究建立之模型，也同樣以虛擬二維的方式來展示。. 3-2 原始震測模型建立從設計單條跡線為基礎，再根據海域震測野外收集資料的模式，先假設地表下有三層造成反射之岩層界面，在沒有任何外來雜訊的干擾下情況，由地震儀接收到此三層的反射訊號，取 common receiver 會產生的跡線，將多條跡線合併排列展示，建立出野外數據資料的基本理想剖面圖 O，如圖 3-1。. 31.

(32) 圖 33-1 基本理想海域震測模型剖面圖O 基本理想海域震測模型剖面圖O. 但實際野外數據不可能會是如此單純的訊號，為了更貼近實際野外數據的狀況，要設計可能出現的背景雜訊，先針對隨機雜訊做添加。這裡我們在基本理想海域震測模型剖面O，加入信噪比為20的白雜訊，此白雜訊含多種頻率的混合，具有各頻率平均分布之特性。如圖3-2。. 32.

(33) 圖 3-2 基本理想海域震測模型剖面添加白雜訊然後再設計基頻分別為 60Hz,180Hz 的諧和波雜訊，加入前述已添加白雜訊後的模型裡，對於訊號中的每條跡線均產生諧和波雜訊，如圖 3-3，最後形成了本研究模擬出，震測模型合成信號剖面。看的出此模型在加入各種雜訊後，岩層的反射訊號已經被影響，開始無法判別。此模型信號結果即可當作一筆數據，去進行後續的各類濾波方法的試驗。. 33.

(34) 圖 33-3 震測模型合成信號剖面圖S 震測模型合成信號剖面圖S. 3-3 震測模型合成信號進行 EEMD 分析取圖 3-3 合成的震測模型信號 S，進行 EEMD 分解處理，可依次拆出九個本質模組 IMF1~IMF9，形成一組濾波庫。如圖 3-4~圖 3-12。. 34.

(35) 圖 3-4 震測模型合成信號經EEMD 震測模型合成信號經EEMD拆解之本質模組函數 EEMD拆解之本質模組函數IMF1 拆解之本質模組函數IMF1. 圖 33-5 原始震測模型合成信號經EEMD 原始震測模型合成信號經EEMD拆解之本質模組函數 EEMD拆解之本質模組函數IMF 拆解之本質模組函數IMF2 IMF2. 35.

(36) 圖 33-6 震測模型合成信號經震測模型合成信號經EEMD拆解之本質模組函數 EEMD拆解之本質模組函數IMF 拆解之本質模組函數IMF3 IMF3. 圖 33-7 震測模型合成信號經EEMD 震測模型合成信號經EEMD拆解之本質模組函數 EEMD拆解之本質模組函數IMF 拆解之本質模組函數IMF4 IMF4 36.

(37) 圖 33-8 震測模型合成信號經 EEMD 拆解之本質模組函數 IMF5. 圖 33-9 震測模型合成信號經 EEMD 拆解之本質模組函數 IMF6 37.

(38) 圖 3-10 震測模型合成信號經 EEMD 拆解之本質模組函數 IMF7. 圖 33-11 震測模型合成信號經 EEMD 拆解之本質模組函數 IMF8 38.

(39) 圖 33-12 震測模型合成信號經 EEMD 拆解之本質模組函數 IMF9. 觀察 IMF1~IMF9 可發現，各本質模組函數的頻率的分布依順序是由高頻漸漸到低頻的。也就是說，拆解出的 IMF1 內含的信號頻率為數據資料中較高頻的成份，隨後續分解出的 IMF，內含頻率也開始漸漸轉往低頻，IMF9 則內含低頻的成分。其中認為 IMF1、IMF2 是為前面製作模型中，所加入的諧和波雜訊，有效的將反射訊號與諧和波分離，還有少量的隨機雑訊，在去除雜波上，將此兩分量移除捨棄。而假設的岩層反射訊號，則出現在 IMF3、IMF4 及 IMF5，當中 IMF3、IMF4 較為明顯。其中有少量的. 39.

(40) 隨機雑訊也有分布在 IMF3、IMF4，和原始震測反射信號頻帶有重疊，但反射信號較為強烈，雜訊較弱，是可選取的分量。從 IMF5 開始，可看出本質模組函數已開始有漂移的現象產生，越後面的分解出的 IMF 越明顯，如此選擇將這些分量捨棄。是故本研究選取 IMF3，IMF4 重新組合，如圖 3-13 為 EEMD 最後濾波的結果。由此圖可了解到，和未進行 EEMD 前的圖 3-3 震測模型合成信號剖面圖 S 相比較，已明顯的提高了信噪比。因此認為 EEMD 濾除技術應用在實際海域震測數據上，期望能濾除掉各類不同頻率特質之雜波，是有其可行性的。. 圖 33-13 選取IMF3+IMF4 選取IMF3+IMF4重新組合的合成信號圖 IMF3+IMF4重新組合的合成信號圖G 重新組合的合成信號圖G. 40.

(41) 3-3 震測模型合成信號經其他濾波器處理結果震測模型合成信號經其他濾波器處理結果本研究還另外嘗試了其他不同的濾波器，有適應性中值濾波、維那濾波和傳統的頻率濾波 Butterworth filter，這些方法都是 Matlab 所內建的濾波器，藉由設定一些參數，可讓電腦進行運算，以下同樣以 Matlab 將上述建立好的震測模型合成信號，進行各類濾波器的運算，了解其效果。首先，使用 Butterworth 濾波方法，給定參數，如濾波器階數，基本上，此階數越大，濾波效果越好，但是計算量也會跟著變大，本研究將之設為 10，Wp 通帶(pass band)的截止頻率，為此系統的通過範圍最大頻率，設為 100，Ws 為停止範圍的最小頻率設為 25，Wn 正規化的截止頻率為 0.2，藉由此濾波器的運算，獲得的結果如圖 3-14。. 41.

(42) 圖 33-14 Butterworth濾波器對於震測模型合成信號之成果圖 Butterworth濾波器對於震測模型合成信號之成果圖. 接著進行適應性的二維中值濾波、二維維那濾波，同樣可利用 Matlab 已有之內建公式，撰寫程式，進行運算，由使者決定視窗大小，在此二維中值濾波器此次設定使用[9 9]的視窗大小，二維維那濾波則使用[8 8]視窗大小此視窗大小可藉由使用者經過測試，選擇適合的大小，不同的數據資料會有不同適合的視窗大小，兩者的濾波結果分別如圖 3-15、圖 3-16。. 42.

(43) 圖 33-15 二維中值二維中值濾波濾波器對於震測模型合成信號之成果圖中值濾波濾波器對於震測模型合成信號之成果圖. 圖 33-16 二維維那濾波濾波器對於震測模型合成信號之成果圖那濾波濾波器對於震測模型合成信號之成果圖 43.

(44) 經過以上的測試，以 Butterworth filter 來說，效果不甚明顯，雜訊依然存在，且仔細觀察可發現，其波形已產生變形，且有位置偏移的現象出現，若以此方法進行地球物理資料處理，恐會對後續的處理分析解釋有所影響，且我們無法預先知道資料中的雜波頻帶，於此方法的設定上，多要用測試去尋找其適合的參數，可是非常的費時費力。另外兩種適應性濾波方法來看，也同樣無法達到良好的效果，對於視窗的選擇，同樣也需要多做測試。EEMD 的成果明顯優於其他濾波技術，對於不同類型的雜波參雜在內，都有效的去除，透過以上的測試，可讓我們了解到各方法的可行性，進而可假設此方法對於實際野外數據，可有效的濾除分佈於各頻率的雜波。然而實際野外數據還是有許多無法預料的因素在裡面，由於模型由人工模擬，必定還是有許多不足之處，此測試應用於真實數據中，是否也是如此效果。因此，後面章節將取得實際野外數據，進行真實數據的分析。. 44.

(45) 第四章野外工作介紹與資料處理流程野外工作介紹與資料處理流程. 本研究所取得的野外工作海底地震儀資料，特別感謝經濟部中央地質調查所，投入大量資源，執行為期四年的「台灣西南海域天然氣水合物賦存區地質調查研究」計畫，讓本研究得以使用此次獲得之數據資料進行相關實驗。此次工作是 2004 年 10 月，使用海研一號(圖 4-1)及海研三號研究船，於台灣西南部海域區域，進行為期五天，實施海上雙船聯合探測工作。. 圖 44-1 海研一號研究船. 45.

(46) 4-1 海上野外測勘範圍與環境介紹由於 Chi et al.(1998)文章顯示，台灣西南海域 BSR 訊號分佈密集，可能廣泛蘊藏豐富的天然氣水合物，認為台灣西南部海域是非常值得做進一步研究調查的區域(劉家瑄,2007)。選定此區的野外工作範圍，如圖 4-2(楊惠如,2007)，規劃了 A,C 東西走向，B,D 南北走向，井字型的四條測線，每條測線長度約 14~16 公里左右。. 圖 44-2 2004年海上野外工作測線規劃與海底地震儀測站位置 2004年海上野外工作測線規劃與海底地震儀測站位置( 年海上野外工作測線規劃與海底地震儀測站位置(楊惠如,2007) 46.

(47) 此次，海上雙船聯合震測探勘工作的進行，是由航次 OR3-1011 海研三號於測線先沿線施放海底地震儀入海底，每條側線佈設六顆，六個測站，每測站間距約為 2 公里，總共 24 筆資料。再由航次為 ORI-735，具有空氣槍(air gun)的海研一號，沿線釋放震源，船速為 2.32m/s，一邊航行一邊炸測，每 10 秒炸測一次。震源型式為 275 + 150 cube inches(立方英吋)雙聲源的空氣槍，震波釋放後，經由傳遞後有反射與折射現象，同時由海底測站接收及海研一號船尾拖著裝有 12 頻道，間距 12.5 公尺受波器的電纜，另外接受多頻道反射震測訊號(圖 4-3)。施測結束後，由海研三號沿線收回各測站的海底地震儀，再同樣方式進行下一測線工作。. 圖 4修改自Liu, 2004) 4-3 海上震測探勘工作狀況 (修改自修改自. 47.

(48) 4.2 海底地震儀簡介本研究於 2004 年所使用的儀器海底地震儀(Ocean Bottom Seismometer，簡稱 OBS)，為法國海洋研究中心 IFEMER 所研發的短週期海底地震儀，屬於大型的海底地震儀(如圖 4.4)，是國內研究早期租用的海底地震儀，體積較為龐大，重量達 240 公斤，所以在施放和搬運的過程中,需要藉由機械手臂運作。但也因為其重量關係，在沉入海底過程中較不易受到外在環境因素的干擾(楊惠如,2007)。近年來國內研究，已購置輕巧型海底地震儀(Mico-OBS)(圖 4-5)，使用上搬運方便，重量只有 19 公斤，一人就可抬起。. 圖 44-4 為2004年所使用儀器大型海底地震儀 2004年所使用儀器大型海底地震儀( 年所使用儀器大型海底地震儀(王承韜,2006) 王承韜,2006). 48.

(49) 圖 44-5 為輕巧型海底地震儀( 輕巧型海底地震儀(詹政順,2008) 詹政順,2008). 海底地震儀可同時接受天然與人工震源的震波訊號，優點是可接收地殼來的廣角折射訊號(鄧家明,2009)。震波能量的傳遞，會因為震源的距離越遠，漸漸有訊號消弱的現象。位置較靠近地殼的海底地震儀，可幫助接受由地殼傳回的訊號，免於因能量消弱而無法傳回海面上被接受。施放時，下方加裝 10 公斤重錘，幫助儀器順利下沉至海床上，儀器的抗壓水深可達 600 公尺。儀器控制方面，可設定海底紀錄資料的時間，定時自動上浮。也可用呼叫的方式使之上浮，研究船利用聲波釋放器，施放特殊編碼聲波訊號(Acoustic Code)(王承韜，2006) 和海底的海底地震儀連結，接受到訊號後，會讓連接儀器和重錘的保險絲進行氧化作用，使保險絲自行熔斷，讓地震儀和重錘分開，少了 49.

(50) 重陲的重量，海底地震儀就會開始自行上浮。海底地震儀在海平面上某定點開始施放，在下沉至海床上這中間過程可能受下放角度，天候狀況和海中洋流或其他因素影響，海底地震儀最後著床的位置會偏離預定的位置，產生漂移誤差。資料的分析若會受誤差影響，可重新定位修正偏移量。本研究使用的海底地震儀重量較重，下沉受各因素影響較小，可不需重新定位。. 4-3 資料格式轉檔與名稱本研究取得之海底地震儀資料，是由法國技術人員將儀器原始資料輸出，轉換為國內震測常用的 Segy 格式檔案，以利使用。由於本研究欲將海底地震儀震測資料進行 EEMD 分析，所需要執行運算工作的主要軟體為 Matlab，無法直接讀取 Segy 檔案，因此需要將原始資料數據，利用一般實驗室常用之震測軟體輸出，進行轉檔步驟。首先，將原始的 Segy 檔案以 Reflex 震測軟體開啟，軟體會自動讀取檔案頭標及施測時各種相關幾何參數，再將原始訊號資料輸出為 dzt 格式檔案(圖 4-6)，之後使用 Rtoaw.exe 程式，將 dzt 轉成 txt 格式(圖 4-7)，可供 Matlab 讀取。. 50.

(51) 圖 44-6 Reflex軟體將原始資料 Reflex軟體將原始資料Segy 軟體將原始資料Segy格式輸出為 Segy格式輸出為dzt 格式輸出為dzt格式檔案 dzt格式檔案. 圖 44-7 Rtoaw處理的面板 Rtoaw處理的面板，處理的面板，可將dzt 可將dzt格式輸出為 dzt格式輸出為txt 格式輸出為txt格式 txt格式檢視最後轉出的 txt 格式檔案，有些資料會有下方區域空白訊號出現，推測可能為轉檔過程或是原始資料紀錄中，剩餘的空白紀錄區塊 (圖 4-8)，抽取 A、B、C、D 各測線區域轉檔後資料中的一條跡線(圖 4-9 到 4-12)，進行確認。. 51.

(52) 圖 44-8 原始資料下方有空白無訊號區塊. 52.

(53) 圖 44-9 取Aline測線區域 Aline測線區域OBS01 測線區域OBS01原始資料中的單一跡線 OBS01原始資料中的單一跡線. 圖 44-10 取Bline測線區域 Bline測線區域OBS01 測線區域OBS01原始資料中的單一跡線 OBS01原始資料中的單一跡線 53.

(54) 圖 44-11 取Cline測線區域 Cline測線區域OBS01 測線區域OBS01原始資料中的單一跡線 OBS01原始資料中的單一跡線. 圖 44-12 取Dline測線區域 Dline測線區域OBS01 測線區域OBS01原始資料中的單一跡線 OBS01原始資料中的單一跡線 54.

(55) 經過確認，將無意義的部份做切除，以免大量的資料量讓後續的 Matlab 程式運算無法進行，ALine 區域的資料量由於過大，取樣點每筆資料為一萬點，讓電腦無法運算，進行 EEMD 分析，故統一切除至五千點，表二為處理前和處理後各區域的取樣點數(sample number) 和跡線數(tace number)。根據原始資料，表二列出 A、B、C、D 四區域原始資料數據和切除後的資料數據之採樣時間與採樣點數。本研究撰寫程式，將前述處理完的 txt 格式檔案，由 Matlab 讀取進行後續的 EEMD 演算、拆解與重構，與圖像輸出等工作。. 取樣點數,. 處理階. 原始檔. 經 Rtoaw 轉檔. 切除空白區域. Aline(A01~A06). 10000,681. 16834,681. 5000,681. Bline(B01~B06). 10000,687. 16384,687. 5000,687. Cline(C01~C06). 10000,608. 16384,608. 5000,608. Dline(D01~D06). 5000,646. 8192,646. 5000,646. 跡線數. 段. 資料區域名稱. 表一轉檔前後各區域資料的取樣點數與跡線數. 55.

(56) 採樣點數/ 採樣時間. 取樣點數. 切除後的採樣點數/. (sample number)/. 採樣時間(秒). 採樣時間(秒) 資料區域名稱 Aline(A01~A06). 10000/10 秒. 5000/5 秒. Bline(B01~B06). 10000/20 秒. 5000/10 秒. Cline(C01~C06). 10000/20 秒. 5000/10 秒. Dline(D01~D06). 5000/10 秒. 5000/5 秒. 表二各區域原始和切除後的資料數據之採樣時間與採樣點數. 56.

(57) 第五章 EEMD 資料處理與結果討論. 5-1 EEMD EEMD 資料處理與參數設定原始海底地震儀資料，經過第四章介紹資料處理轉檔為 txt 格式後，本研究即撰寫程式，將 24 筆實際野外數據，分別利用 Matlab 軟體，進行 EEMD 拆解，形成有多個 IMF 的濾波庫(filter bank)，最後繪圖將影像輸出展示。由於具有地質意義的震測反射訊號有其特徵，與海域震測資料中出現之諧和波雜訊與隨機雜訊，大致上是可辨識做區分的，經由挑選濾波庫中含有意義訊號之 IMF 分量，剔除含有雜訊之分量，進行數據重構，期望能去除原始數據中的各類雜訊，提高信號比，給予良好的訊號品質，改善測勘數據的解析能力。根據第二章 EEMD 理論的介紹，我們了解到，EEMD 要進行處理的過程中，為了改善 EMD 當中模組交錯的問題，會添加有限振幅的白色雜訊。因此，在進行 EEMD 分析時，我們需要對添加的白色雜訊做參數的設定，來控制整個處理的過程。EEMD 的進行，在同一篩選的階段，會進行很多次重複的篩選過程，得到數個同階段的 IMF，再將這些 IMF 疊加取平均，欲消除在原始數據中添加的白色雜訊，這疊加的次數即為要設定的參數之一，另一個參數則為振幅的標準偏差 (standard deviations)，此參數可讓添加的白色雜訊振幅在有限的. 57.

(58) 範圍內。然而需要疊加多少次才是適合的，理論上是越多越好，但實際上，要疊加多次需要考量到整筆數據資料運算的時間，且電腦計算的能力是否能達到，在本研究第四章的表二，我們可以了解到，本研究所分析的海底地震儀震測數據，一筆資料中，一條跡線有五千點採樣點，總共至少有六百條跡線，若疊加次數過多，會讓電腦當機無法進行演算。關於此兩參數的設定該如何決定，Huang and Wu(2009)的建議，在多數的實際案例中，振幅標準偏差 0.2 及數百個疊加次數，即可有好的結果。參考林銘駿在 2010 年的論文中，他從資料抽取少部份進行測試，了解疊加次數與振幅標準偏差結果的影響差異(圖 5-1,5-2)，經嘗試後發現，振幅標準偏差 0.3 後即趨於穩定無大變化，疊加次數也是從大於 10 個後就無明顯大變化，故本研究因原始資料量過大，在測試過電腦效能後，疊加次數選定設為 20，振幅標準偏差設為 0.3，在合理的範圍內，同樣具有良好的效果。. 58.

(59) EEMD( inphase , 0.3 , ensemble members ). 10 eemd(in,0.3,1). 8. eemd(in,0.3,10) eemd(in,0.3,100). 6. eemd(in,0.3,1000) eemd(in,0.3,5000). 4 %. eemd(in,0.3,10000). 2 0 -2 -4 -6 1. 6. 11. 16. 21. 26. 測點距離(公尺). 圖 55-1 EEMD 分解中 ensemble members 個數疊加分析比較圖個數疊加分析比較圖( 比較圖(林銘駿,2010) EEMD( inphase , 加入白色雜訊振幅標準偏差(Nstd) , ensemble members). 6 5. eemd(in,0.0,100). 4. eemd(in,0.1,100) eemd(in,0.3,100). %. 3. eemd(in,0.5,100). 2. eemd(in,0.7,100). 1. eemd(in,0.9,100). 0 -1 -2 -3 -4 -5 1. 6. 11. 16. 21. 26. 測線距離(公尺). 圖 5-2 EEMD分解中 EEMD分解中，添加白色雜波振幅標準偏差大小分析比較圖分解中，添加白色雜波振幅標準偏差振幅標準偏差大小分析比較圖。大小分析比較圖。 (林銘駿,2010) 林銘駿,2010). 59.

(60) 野外數據主要利用 Matlab 進行 EEMD 分析外，還使用了其他濾波器，頻率濾波 Butterworth、中值濾波、維那濾波，互相做比較。以下由二十四筆野外資料中，挑選 OBSA01、OBSA03、OBSB03 原始數據來做各類分析探討及成果展示。. 5-2 OBSA01 之 EEMD 分析與各類濾波器處理結果討論取野外數據 OBSA01 做 EEMD 分析，獲得下列 IMF1~IMF9(圖 5-3~ 圖 5-11)各分量，圖 5-12 為原始的數據震測剖面。圖 5-13 為經過選擇，拆解重組 IMF1+IMF2 結果。. 圖 55-3 OBSA01 經EEMD分解後 EEMD分解後，分解後，產生的分量IMF1 產生的分量IMF1. 60.

(61) 圖 55-4 OBSA01 經 EEMD 分解後，分解後，產生的分量 IMF2. 圖 55-5 OBSA01 經EEMD分解後 EEMD分解後，分解後，產生的分量IMF 產生的分量IMF3 IMF3 61.

(62) 圖 55-6 OBSA01 經EEMD分解後 EEMD分解後，分解後，產生的分量IMF 產生的分量IMF4 IMF4. 圖 55-7 OBSA01 經EEMD分解後 EEMD分解後，分解後，產生的分量IMF 產生的分量IMF5 IMF5 62.

(63) 圖 55-8 OBSA01 經EEMD分解後 EEMD分解後，分解後，產生的分量IMF 產生的分量IMF6 IMF6. 圖 55-9 OBSA01 經EEMD分解後 EEMD分解後，分解後，產生的分量IMF 產生的分量IMF7 IMF7 63.

(64) 圖 55-10 OBSA01 經EEMD分解後 EEMD分解後，分解後，產生的分量產生的分量IMF 的分量IMF8 IMF8. 圖 55-11 OBSA01 經EEMD分解後 EEMD分解後，分解後，產生的分量IMF 產生的分量IMF9 IMF9 64.

(65) 本研究所探討的三筆數據，根據第四章表二提到，分析數據截切至 5000 個採樣點，故經過 EEMD 分析，IMF 分量正常應該可拆解出 13 個，但由圖 5-10、圖 5-11 可了解，由於 IMF 的拆解，分量資料會越來越低頻，資料也開始產生飄移現象，到後面會是一個趨勢，認為是無意義的數據資料，故本研究只展示到 IMF9 分量。由圖 5-12 原始資料數顯示，可以知道 OBSA01 原始資料訊號品質非常差，有大量的諧和雜波與隨機雜波，受到嚴重的訊號干擾，使資料無法進行判讀，嚴重影響後續的資料分析。在經過 EEMD 分解後，九個分量中，IMF1、IMF2、IMF3 大約在 800ms 的位置，出現了反射訊號，其中以 IMF2 數據品質較好，更隱約在 2500ms 的位置出現了第二層反射訊號，IMF4~IMF7 即開始顯示出訊號資料中大量的背景雜訊被分解出來，從 IMF8、IMF9 資料開始有飄移現象。經過拆解發現，反射信號主要出現在高頻域的分量，雜訊出現在較低頻的分量裡，可有效的將信號與雜訊分開，是故本研究選取 IMF1、IMF2 進行數據重購，獲得圖 5-13,成功的去除掉原始資料中大量的背景雜訊，還原訊號中地球物理所需的反射訊號，明顯的提升整筆數據資料的信噪比。. 65.

(66) 圖 55-12 OBSA01原始數據資料 OBSA01原始數據資料. 圖 55-13 OBSA01 經EEMD分解後 EEMD分解後，分解後，重組IMF1 重組IMF1+IMF2 IMF1+IMF2 66.

(67) 接下來我們繼續使用原始資料進行不同的濾波技術，應用於實際的野外震測數據，來看看效果如何。先使用 Butterworth 濾波方法，同樣的需給定參數，濾波器階數，此測試將之設為 10，Wp 通帶(pass band)的截止頻率，為此系統的通過範圍最大頻率設為 100，Ws 為停止範圍的最小頻率設為 25， Wn 正規化的截止頻率為 0.2，藉由此濾波器的運算，獲得的結果如圖 5-14. 圖 55-14 OBSA01經 OBSA01經Butterworth濾波器之成果圖 Butterworth濾波器之成果圖. 67.

(68) 圖 55-15 OBSA01 經 Median2D 濾波器之成果圖. 圖 55-16 OBSA01 經 Wiener2D 濾波器之成果圖 68.

(69) 利用 Matlab 內建 Butterworth 濾波器進行其運算，是要先設定信號的主頻帶，對於要給定的 Wp 與 Ws 之設定，必須要先了解到資料中的雜訊，但海域震測野外工作的環境複雜，產生雜訊的因素眾多，難以推測出其可能出現之雜波特性，因此在進行此方法時，必需進行多次嘗試，找出適合的頻帶域 y 設定，才能讓濾波效果良好。本研究欲測試出頻帶的分佈，是先用傅利葉轉換，了解整筆數據的頻率分布，再慢慢推測出信號與雜訊的可能頻帶。以結果看出(圖 5-14)，其對 OBSA01 資料，濾波的效果還算不錯，認為可能是剛好信號與雜訊頻帶有所分開。同樣的，Median2D 濾波器與 Wiener2D 濾波器也相同，視窗的大小，可能決定成效，但也需要多次嘗試，此筆資料使之視窗剛好皆為 [9 9]，費時又費力。此兩方法依成果來看(圖 5-15~圖 5-16)，相較於其他兩濾波技術，其成效不佳。. 69.

(70) 5-3 OBSA03 之 EEMD 分析與各類濾波器處理結果討論取野外數據 OBSA03 做 EEMD 分析，獲得下列 IMF1~IMF9(圖 5-17~ 圖 5-25)各分量，圖 5-26 為原始的數據震測剖面。圖 5-26 為經過選擇，拆解重組 IMF1+IMF2 結果。. 圖 5-17 OBSA03 經EEMD分解後 EEMD分解後，分解後，產生的分量IMF 產生的分量IMF1 IMF1. 70.

(71) 圖 55-18 OBSA03 經 EEMD 分解後，分解後，產生的分量 IMF2. 圖 55-19 OBSA03 經 EEMD 分解後，分解後，產生的分量 IMF3 71.

(72) 圖 55-20 OBSA03 OBSA03 經 EEMD 分解後，分解後，產生的分量 IMF4. 圖 5-21 OBSA03 經EEMD分解後 EEMD分解後，分解後，產生的分量IMF 產生的分量IMF5 IMF5. 72.

(73) 圖 5-22 OBSA03 經EEMD分解後 EEMD分解後，分解後，產生的分量IMF 產生的分量IMF6 IMF6. 圖 55-23 OBSA01 經 EEMD 分解後，分解後，產生的分量 IMF7 73.

(74) 圖 55-24 OBSA03 經 EEMD 分解後，分解後，產生的分量 IMF8. 圖 55-25 OBSA03 經 EEMD 分解後，分解後，產生的分量 IMF9 74.

(75) 圖 5-26 OBSA03 原始資料數顯示，約在 1000ms,1500ms,3000ms 左右位置，可觀察出反射訊號的出現，但背景同樣受到雜訊的干擾。經過 EEMD 分析後，同樣產生九個分量，其中，以較高頻之 IMF1、IMF2 品質最為良好，背景雜訊被分出。IMF3~IMF7 較低頻之分量，有反射訊號的出現但也同時存在雜訊，顯示原始資料內含之低頻雜訊波頻帶與反射訊號頻帶有所重疊。到了 IMF8、IMF9 同樣的資料開始飄移，最後本研究對於此分析，進行 IMF1、IMF2 的重組，如圖 5-27。圖 5-26 與圖 5-27，在 Trace Number200、 500~600 有諧和雜波干擾，200 以前與波形間有隨機雜波，圖 5-26 原始資料這些雜波遮蓋了資料深部的反射訊號，影響到後續處理解釋資料的的結果。經處理，圖 5-27 明顯有效的去除掉諧和雜波與隨機雜波，讓資料能明顯判斷出不同層的反射訊號位置，成功的幫助在深部構造的解析。. 75.

(76) 圖 55-26 OBSA03 原始數據資料. 圖 55-27 OBSA03 經EEMD分解後 EEMD分解後，分解後，重組IMF1 重組IMF1+IMF2 IMF1+IMF2 76.

(77) Butterworth 濾波方法，利用 Matlab 內建，給定其參數，濾波器階數，此筆資料測試將之設為 10，Wp 通帶(pass band)的截止頻率，為此系統的通過範圍最大頻率設為 100，Ws 為停止範圍的最小頻率設為 25，Wn 正規化的截止頻率為 0.2，藉由此濾波器的運算，獲得的結果如圖 5-29。由結果仔細比對原始資料，可發現其波形的位置有偏差，資料也產生時間的延遲，也就是產生了相位差。. 圖 55-28 OBSA03 經 Butterworth 濾波器之成果圖. 77.

(78) 下列 Median2D 與 Weiener2D 兩種濾波方法，經過測試，使用的視窗的大小分別為[3 3]，[9 9]。以此兩筆資料來說，可瞭解到，此方法對於隨機雜訊的消除，較為有效果，留下了部份的諧和波。其對各類的雜訊消除無法優於 EEMD。. 圖 5-29 OBSA03 經Median2D濾波器之成果圖 Median2D濾波器之成果圖. 78.

(79) 圖 55-30 OBSA03 經Weiener2D濾波器之成果圖 Weiener2D濾波器之成果圖. 5-4 OBSB03 之 EEMD 分析與各類濾波器處理結果討論取野外數據 OBSB03 做 EEMD 分析，獲得下列 IMF1~IMF9(圖 5-31~ 圖 5-39)各分量，圖 5-40 為原始的數據震測剖面。圖 5-41 為經過選擇，拆解重組 IMF1+IMF2+IMF3 結果。. 79.

(80) 圖 5-31 OBSB03 經EEMD分解後 EEMD分解後，分解後，產生的分量IMF 產生的分量IMF1 IMF1. 圖 55-32 OBSB03 經EEMD分解 EEMD分解後分解後，產生的分量IMF 產生的分量IMF2 IMF2 80.

(81) 圖 5-33 OBSB03 經 EEMD 分解後，分解後，產生的分量 IMF3. 圖 55-34 OBSB03 經 EEMD 分解後，分解後，產生的分量 IMF4 81.



(84) 圖 55-39 OBSB03 經EEMD分解後 EEMD分解後，分解後，產生的分量IMF9 產生的分量IMF9. 圖 5-40 OBSB03 原始資料數顯示，有明顯的諧和波雜訊主要分佈在 trace 跡線 0~100 之間，經過 EEMD，觀察其是否可消除。其分解的 IMF 分量，IMF1~IMF3 出現反射訊號，IMF4~IMF6 就可看出同樣在 trace 跡線 0~100 之間明顯的諧和波雜訊被分解出來，因此本次處理決定重組 IMF+IMF2+IMF3,如圖 5-41，移除掉明顯的諧和波雜訊，信號的部份，還是讓第二層的反射相較原始資料，有部分的顯現出來。. 84.

(85) 圖 55-40 OBSB03 原始數據資料. 圖 5-41 OBSB03經 OBSB03經EEMD分解後 EEMD分解後，分解後，重組I 重組IMF1+IMF2+IMF3 MF1+IMF2+IMF3 85.

(86) 使用 Butterworth filter，同樣的需給定參數，濾波器階數，此測試將之設為 10，Wp 通帶(pass band)的截止頻率，為此系統的通過範圍最大頻率設為 100，Ws 為停止範圍的最小頻率設為 25，Wn 正規化的截止頻率為 0.2，藉由此濾波器的運算，獲得的結果如圖 5-42。結果此濾波同樣造成有波形偏移、資料延遲的現象，出現有相位差的結果，如此對於後續的地層深度推算，會有所影響。此濾波器對於資料中的諧和雜波成分，濾除效果比 Median2D 與 Weiener2D 好。. 圖 55-42 OBSB03經 OBSB03經Butterworth濾波器之成果圖 Butterworth濾波器之成果圖. 86.

(87) 下列 Median2D 與 Weiener2D 兩種濾波方法，經過測試，使用的視窗的大小分別為[3 3]，[3 3]。以此兩筆資料(圖 5-43~5-44)來看， Wiener2D 依然留下了明顯大量的諧和波，且對於無法有效的加強反射訊號，甚至削弱了信號的能量，但對於波形內的隨機雜訊的消除有其效果，Median2D 則是反射訊號能量反而減弱很多，諧和波雜訊依然留下。. 圖 55-43 OBSB03經 OBSB03經Wiener2D濾波器之成果圖 Wiener2D濾波器之成果圖. 87.

(88) 圖 5-44 OBSB03 經 Median2D 濾波器之成果圖. 比對圖 5-40~圖 5-44 發現，原始資料 Trace Number 在 20~50 之間的諧和雜波，使用 Butterworth 濾波可有效的消除，背景中移除隨機雜訊效果較差。中值與維那兩種適應性濾波法，對諧和雜波移除效果不佳，對背景與波形間隨機雜波的移除，相較 Butterworth 稍好一點。. 88.

(89) 第六章結論. 1. 本研究中，於模型測試與 OBSA1、OBSA03、OBSB03 三筆的野外實際數據，同時進行 EEMD、適應性濾波方法中的 Wiener filter2D、 Median filter2D 和傳統常用的頻率濾波器 Butterworth filter 的處裡，結果顯示，EEMD 此新數據分析方法，可成功移除海底地震儀記錄資料背景中的各類雜波，有效的提高資料信噪比，可幫助海底地震儀資料的後續處理分析，減少判讀上的誤差，且相較於其他傳統與常見之方法，更有效、更快速、且更可靠，是最佳的方法。 2. 數據資料由 EEMD 運算的拆解，可獲得多個 IMF 分量，經由挑選具有地質意義之分量，經過重新組合，可將不要的雜波分量去除，達到濾波效果。然而觀察數據中 IMF 的分量，大部分可有效的將具有地質意義之信號與雜訊分離，但卻還是有少數的分量，會出現有信號與雜訊共存在同一分量的狀況。 3. 比較各類濾波方法，EEMD、Wiener filter2D、Median filter2D 和 Butterworth filter，仔細觀察可發現，Butterworth filter 獲得的結果，其訊號有時間的延遲、波形的變形、偏移，也就是產生了相位差的結果，然而 EEMD 的分解與重組，都無任何相位的. 89.

(90) 偏差、時間延遲或信號失真之問題。 4. 傳統的頻率濾波 Butterworth filter，需要經過不斷的嘗試才能找出其信號，設定參數，費時又費力，且可能受主觀意見影響其結果， Weiener2D、Median2D 其視窗大小同樣也需要不斷測試。相較之下 EEMD 的處理可節省了許多的時間，且正確性較高。 5. 研究結果顯示，資料背景中的諧和雜波與隨機雜波，經 EEMD 處理，可同時有效的消除。以 Butterworth filter 來說，消除諧和雜波成效較好，隨機雜波較差。適應性濾波方法中的 2D Wiener filter、2D Median filter，是針對消除隨機雜波有較好的效果，諧和雜波成效較差。 6. 在海域震測資料中，認為是源於空氣槍造成的諧和波雜訊，如圖 5-26、圖 5-27，資料產生的雜波，在深部掩蓋掉反射訊號，經 EEMD 去除後，明顯提升整筆資料的解析，可幫助後續地球物理資料處理，對於深部構造的解釋。. 90.

(91) 參考文獻. Battista, B. M., Knapp, C., McGee, T., and Goebel, V.: Application of the empirical mode decomposition and Hilbert-Huang transform to seismic reflection data, Geophysics, 72(2), H29–H37, 2007. Bagaini, C.: Acquisition and processing of simultaneous vibroseis data, Geophysical prospecting, 58(1), 81–99, 2010. Butler, K. E. and Russell, R. D.: Subtraction of powerline harmonics from geophysical records, Geophysics, 58(6), 898–903, 1993 Butler, K. E. and Russell, R. D.: Cancellation of multiple harmonic noise series in geophysical records, Geophysics, 68(3), 1083–1090, 2003. Feldman, M.: Analytical basics of the EMD: Two harmonics decomposition, Mech. Syst. Signal Pr., 23(7), 2059–2071, 2009. Flandrin, P., Rilling, G., Gonçalvés, P., 2004. Empirical mode decomposition as a filter bank. IEEE Signal Processing Letters 11, 112–114. Gloerson, P. and Huang, N. E.: Comparison of interannual intrinsic modes in hemispheric sea ice covers and others geophysical parameters, IEEE T. Geosci. Remote Sens., 41(5), 1062–1074,2003. Guitton, A.: Multiple attenuation in complex geology with a pattern-based approach, Geophysics, 70(4), V97–V107, 2005. Haines, S., Guitton, A., and Biondi, B.: Seismoelectric data processing for surface surveys of shallow targets, Geophysics, 72(2), G1–G8, 2007. Huang, N. E., Shen, Z., Long, S. R.,Wu, M. C., Shih, H.-H., Zheng, Q., Yen, N.-C., Tung, C.-C., and Liu, H.-H.: The empirical mode decomposition and the Hilbert spectrum for nonlinear and nonstationary time series analysis, P. R. Soc. London A, 454, 903– 995, 1998 91.