Engineering-scale subsurface imaging using P-waves extracted from traffic noise signals

Abstract

Monitoring the variation of subsurface structures over time is essential for safety evaluations of subsurface engineering projects. Such monitoring should be based on periodically acquired high resolution images with similar quality. The body-wave imaging method, which is based on using urban traffic noise signals, has recently been applied for subsurface structure imaging because it allows continuous measurement in urban area at low cost. However, the urban traffic noise signals used for engineering-scale imaging have different characteristics from ambient noise signals, which are used at the crustal scale. Therefore, in this study, we modified the conventional crustal-scale data processing workflow for engineering-scale data through systematic data analysis. The field data obtained over the Xiadian fault in China Hebei province was used in this thesis. Traffic noise signals exhibited various patterns due to their diverse incoming directions, with marked amplitude changes occurring depending on the time of recording. Overlapping signals originating from opposite directions generated spurious events and noise among the seismic interferometry images. Constant processing parameters could not respond to the large amplitude changes. In this thesis, to remove surface waves with markedly varying amplitudes and noise signals originating from diverse directions, the actively varying to threshold values was applied to each set of traces using moving averages of amplitude within the trace. Signals originating from diverse directions were divided into negative and positive slopes using the f-k filter; interference generated by overlapping signals was minimized by separate data processing (e.g., median filtering and high amplitude removal) of the negative and positive slopes of each simultaneously acquired trace gather. Due to the modified data processing workflow with the conventional processing steps, most spurious events were successfully suppressed in the final stacked image compared with those produced using conventional data processing workflow for crustal scale, and shallow reflections were imaged clearly. However, it is difficult to apply this workflow directly in monitoring systems because the conventional processing steps require a long time to fully remove surface waves. To solve this problem, the conventional processing steps were replaced with fuzzy c-means (FCM) clustering, which is an unsupervised learning technique. Following the implementation of FCM clustering, surface waves were removed more rapidly and effectively, and the locations of faults and layer boundaries in the final images were delineated more clearly than when using the modified data processing workflow with conventional processing steps. Furthermore, the structures with deeper depth which are hard to be delineated by the data processing workflow with conventional processing steps were also imaged relatively clearly. |중요 지하시설물을 건설하여 운용하는 공학적 문제에서 이 구조물들에 대한 안정성을 평가하는데 시간에 따라 주변 지하지질구조의 변화를 모니터링하는 시스템은 필수적으로 갖추어야 할 요소이다. 이를 위해서는 지하지질구조의 고해상도 영상을 일정한 수준의 품질로 짧은 시간 내에 주기적으로 도출하는 기술이 필요하다. 최근 지하지질구조를 영상화 하는 방법 중 도심지역 교통수단 신호를 이용한 실체파 영상화 방법은 상대적으로 저렴한 비용으로 고해상도의 영상화가 가능하며, 연속적인 측정이 가능하다는 점에서 주목받고 있다. 하지만 공학적 규모의 영상화에 사용하고자 하는 도심지역 교통수단 신호는 지각규모의 연구에서 주로 사용되는 지진배경잡음과는 매우 다른 특성을 가지기 때문에, 기존의 지각규모 영상화를 위한 자료처리 방법을 통해서는 올바른 영상화가 불가능하다. 따라서 도심지역 교통수단의 신호를 체계적으로 분석하고 이 신호 특징을 반영한 수정된 영상화를 위한 자료처리 방법을 개발하여야 한다. 이 논문에서는 중국 허베이 분지의 시아디안 단층 지역 부근에서 도심지역 교통수단 신호에 의해 측정된 자료를 가지고 연구를 진행하였다. 측정된 도심지역 교통수단의 신호는 다양한 방향에 존재하는 송신원에 의해서 다양한 패턴으로 기록되었으며, 시간에 따른 진폭의 변화도 10배 이상 나는 등 매우 크게 나타난다. 수신기 배열 양쪽 반대측 방향에서 발생하는 중첩된 신호는 최종 영상화에서 원하지 않는 가짜 이벤트와 잡음을 생성하는 문제를 발생시킨다. 또한 시간에 따른 진폭의 변화 때문에, 일정한 처리 매개변수를 선택하게 되면 제대로 된 영상화를 도출할 수 없게 된다. 이 논문에서는 이러한 시간에 따른 진폭의 변화가 심한 신호들과 다양한 방향에 존재하는 송신원에 의해 생성되는 잡음 신호들을 제거하기 위해서, 한 트레이스 내 진폭변화의 이동평균(moving average)을 이용하여 매개변수를 선정하는 방법과 f-k 필터와 중앙값 필터를 자료처리방법에 적용하는 것을 제안하였다. 이렇듯 전통적인 지진파 처리 방법을 적용한 수정된 자료처리방법을 통해 도출한 영상화결과는 기존의 자료처리방법을 통해 도출한 영상화결과와 비교하여 가짜 이벤트가 성공적으로 약화되었으며, 얕은 깊이에 존재하는 반사 이벤트들이 명확하게 영상화 되는 것을 확인하였다. 하지만 이렇게 제안한 전통적인 지진파 처리 방법을 적용한 수정된 자료처리방법은 모니터링 시스템에 직접 적용하기는 어렵다. 왜냐하면 전통적인 지진파 처리 방법은 표면파를 제대로 제거하기 위해서는 자료처리에 사용되는 단위의 각 모음자료마다 자료를 분석한 후 매개변수를 결정해야 하는 단계가 필요한데, 이 단계에서 많은 시간이 걸리기 때문이다. 이러한 문제를 해결하기 위해서 전통적인 지진파 처리 방법을 비지도 기계학습의 한 종류인 Fuzzy c-means (FCM)클러스터링 방법으로 대체하였다. FCM 클러스터링을 도입한 자료처리방법으로 도출한 최종 영상화 결과의 단층 위치와 층 경계는 전통적인 지진파 처리방법을 적용한 수정된 자료처리방법에 의해서 도출된 결과와 비교하여 더 명확한 영상화가 됨을 확인할 수 있었다. 또한 전통적인 자료처리방법에 의한 영상화에서 어려웠던 상대적으로 더 깊은 곳의 영상화가 상대적으로 더 명확하게 도출되었다.