918 resultados para Desnutrição - Pré-escolares - Tese


Relevância:

30.00% 30.00%

Publicador:

Resumo:

Pós-graduação em Odontologia - FOA

Relevância:

30.00% 30.00%

Publicador:

Resumo:

Pós-graduação em Patologia - FMB

Relevância:

30.00% 30.00%

Publicador:

Resumo:

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)

Relevância:

30.00% 30.00%

Publicador:

Resumo:

O Feixe Gaussiano (FG) é uma solução assintótica da equação da elastodinâmica na vizinhança paraxial de um raio central, a qual se aproxima melhor do campo de ondas do que a aproximação de ordem zero da Teoria do Raio. A regularidade do FG na descrição do campo de ondas, assim como a sua elevada precisão em algumas regiões singulares do meio de propagação, proporciona uma forte alternativa na solução de problemas de modelagem e imageamento sísmicos. Nesta Tese, apresenta-se um novo procedimento de migração sísmica pré-empilhamento em profundidade com amplitudes verdadeiras, que combina a flexibilidade da migração tipo Kirchhoff e a robustez da migração baseada na utilização de Feixes Gaussianos para a representação do campo de ondas. O algoritmo de migração proposto é constituído por dois processos de empilhamento: o primeiro é o empilhamento de feixes (“beam stack”) aplicado a subconjuntos de dados sísmicos multiplicados por uma função peso definida de modo que o operador de empilhamento tenha a mesma forma da integral de superposição de Feixes Gaussianos; o segundo empilhamento corresponde à migração Kirchhoff tendo como entrada os dados resultantes do primeiro empilhamento. Pelo exposto justifica-se a denominação migração Kirchhoff-Gaussian-Beam (KGB). As principais características que diferenciam a migração KGB, durante a realização do primeiro empilhamento, de outros métodos de migração que também utilizam a teoria dos Feixes Gaussianos, são o uso da primeira zona de Fresnel projetada para limitar a largura do feixe e a utilização, no empilhamento do feixe, de uma aproximação de segunda ordem do tempo de trânsito de reflexão. Como exemplos são apresentadas aplicações a dados sintéticos para modelos bidimensionais (2-D) e tridimensionais (3-D), correspondentes aos modelos Marmousi e domo de sal da SEG/EAGE, respectivamente.

Relevância:

30.00% 30.00%

Publicador:

Resumo:

A teoria dos feixes gaussianos foi introduzida na literatura sísmica no início dos anos 80 por pesquisadores russos e tchecos, e foi originalmente utilizada no cálculo do campo de ondas eletromagnéticas, baseado na teoria escalar da difração. Na teoria dos feixes gaussianos, o campo de ondas sísmicas é obtido por uma integral, cujo o integrando é constituído de duas partes, a saber: (1) as amplitudes dos campos das ondas na vizinhança do ponto de observação e (2) a função fase de cada um desses campos de ondas, que neste caso é representada por um tempo de trânsito paraxial complexo. Como ferramenta de imageamento, mais precisamente como operador de migração, os primeiros trabalhos usando feixes gaussianos datam do final da década de 80 e início dos anos 90. A regularidade dos campos de ondas descritos pelos feixes gaussianos, além de sua alta precisão em regiões singulares do modelo de velocidades, tornaram o uso de feixes gaussianos como uma alternativa híbrida viável para a migração. Nesse trabalho, unimos a flexibilidade da migração tipo Kirchhoff em profundidade em verdadeira amplitude com a regularidade da descrição do campo de ondas, representado pela sobreposição de feixes gaussianos. Como forma de controlar de forma estável quantidades usadas na construção de feixes gaussianos, utilizamos informações advindas do volume de Fresnel, mais precisamente a zona de Fresnel ao redor do ponto de reflexão e a zona de Fresnel projetada, localizada ao redor do ponto de registro do sismograma e cuja a informação se encontra nas curvas de reflexão de dados sísmico. Nosso processo de migração pode ser chamado como uma migração Kirchhoff em verdadeira amplitude usando um operador de feixes gaussianos.

Relevância:

30.00% 30.00%

Publicador:

Resumo:

O método de migração do tipo Kirchhoff se apresenta na literatura como uma das ferramentas mais importantes de todo o processamento sísmico, servindo de base para a resolução de outros problemas de imageamento, devido ao um menor custo computacional em relação aos métodos que tem por base a solução numérica da equação da onda. No caso da aplicação em três dimensões (3D), mesmo a migração do tipo Kirchhoff torna-se dispendiosa, no que se refere aos requisitos computacionais e até mesmo numéricos para sua efetiva aplicação. Desta maneira, no presente trabalho, objetivando produzir resultados com uma razão sinal/ruído maior e um menor esforço computacional, foi utilizado uma simplificação do meio denominado 2.5D, baseado nos fundamentos teóricos da propagação de feixes gaussianos. Assim, tendo como base o operador integral com feixes gaussianos desenvolvido por Ferreira e Cruz (2009), foi derivado um novo operador integral de superposição de campos paraxiais (feixes gaussianos), o mesmo foi inserido no núcleo do operador integral de migração Kirchhoff convencional em verdadeira amplitude, para a situação 2,5D, definindo desta maneira um novo operador de migração do tipo Kirchhoff para a classe pré-empilhamento em verdadeira amplitude 2.5D (KGB,do inglês Kirchhoff-Gausian-Beam). Posteriormente, tal operador foi particularizado para as configurações de medida afastamento comum (CO, do inglês common offset) e ângulo de reflexão comum (CA, do inglês common angle), ressaltando ainda, que na presente Tese foi também idealizada uma espécie de flexibilização do operador integral de superposição de feixes gaussianos, no que concerne a sua aplicação em mais de um domínio, quais sejam, afastamento comum e fonte comum. Nesta Tese são feitas aplicações de dados sintéticos originados a partir de um modelo anticlinal.

Relevância:

30.00% 30.00%

Publicador:

Resumo:

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)

Relevância:

30.00% 30.00%

Publicador:

Resumo:

Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq)