چکیده: در لرزه‌نگاری بازتابی، عمق‌های بسیار نزدیک سطح تا عمق‌ چند صد متر را عمق کم می‌نامند. اطلاعات مربوط به عمق کم در مطالعات زمین‌شناسی مهندسی مثلاً برای ساخت سازه‌های عظیم (سدها، پل‌های با دهانه زیاد، نیروگاه‌ها، سازه‌های صنعتی)، معادن، حفاری چاه‌های عمیق (نفت، گاز و ژئوترمال) بسیار پرکاربرد است. واضح است که عمق‌های کمتر از 100 متر تنها با روش‌های لرزه‌نگاری شکست مرزی و برداشت امواج سطحی و عمق‌های بیشتر از چند صد متر با روش لرزه‌نگاری بازتابی عمق زیاد قابل مطالعه است. با این حال یک خلا عملیاتی در بررسی ساختار‌های بین تقریبا 100 متر تا چند صد متر وجود دارد. به منظور پر کردن این خلا روش لرزه‌نگاری بازتابی عمق ‌کم معرفی شد. تفاوت این روش با روش بازتابی عمق زیاد این است که زمان ضبط داده‌ها و فاصله نمونه‌برداری در روش ذکر شده کوتاه می‌باشد و امواج با فرکانس‌های بالاتری(نسبت به روش لرزه‌نگاری بازتابی عمق زیاد) به درون زمین فرستاده می‌شوند. در این تحقیق جهت تصویرسازی داده‌های لرزه‌نگاری بازتابی عمق کم از روش تصویرسازی سطح بازتاب مشترک(CRS) با استراتژی رایج استفاده شد. در روش تصویرسازی CRS، پاسخ بازتابی بازتابنده‌های درون زمین به کمک پارامترهای جنبشی میدان موج (انحنای جبهه موج عمود، انحنای جبهه موج NIP، زاویه ورود موج مرکزی) تخمین زده می‌شود. در یکی از مراحل حل معادله CRS به روش رایج، انحنای جبهه موج عمود صفر فرض می‌شود. فرض ذکر شده برای عمق‌های مربوط به داده‌های لرزه‌نگاری بازتابی عمق کم به دور از واقعیت است. برای حل مشکل ذکر شده در این تحقیق دو استراتژی جدید جهت تصویرسازی داده‌های لرزه‌نگاری بازتابی عمق کم به روش CRS استفاده شد. استراتژی اول شامل تخمین هم‌زمان نشانگرهای جنبشی میدان موج به کمک الگوریتم تجمع ذرات(PSO) و برانبارش می‌باشد. استراتژی دوم شامل تخمین مقادیر اولیه نشانگرهای جنبشی میدان موج طی یک جست‌وجوی تک پارامتری و یک جست‌وجوی دو پارامتری، تخمین مقادیر نهایی نشانگرهای جنبشی میدان موج طی یک جست‌وجوی سه پارمتری حول مقادیر به دست آمده از مرحله قبل و برانبارش است. در همه جست‌و‌جو‌های استراتژی دوم از الگوریتم بهینه‌سازی پیشنهادی کمینه‌پایه استفاده شده است. پایه و اساس الگوریتم کمینه‌پایه شناسایی و حذف فضاهایی است که احتمال وجود نقاط بهینه در آنجا بسیار کم می‌باشد. به این منظور فضای جست‌و‌جو به صورت یک فضای چند بعدی در نظر گرفته می‌شود که هر یک از بعد‌ها به یکی از متغیرها تعلق دارد. در هر مرحله از تکرار الگوریتم کمینه‌پایه، متغیرهای موجود در مساله بهینه‌سازی در فضای جست‌وجو با گام‌های مختص آن مرحله انتخاب می‌شود و برای مقادیر انتخاب شده، مقدار تابع برازندگی(تابعی که قرار است بهینه آن به دست آورده شود) محاسبه می‌گردد و فضای اطراف آن دسته نقاطی که برازندگی کمتری ایجاد کرده‌اند، از فضای جست‌و‌جوی مراحل بعدی حذف می‌‌شود. روش‌های تصویرسازی ذکر شده و روش تصویرسازی رایج (NMO/DMO/Stack) بر سه خط از داده‌های لرزه‌نگاری بازتابی دریایی عمق کم اعمال شد. داده‌های دریایی استفاده شده در این تحقیق مربوط به کشور مالزی می‌باشد. نتایج حاصل بیانگر کارایی بیشتر استراتژی پیشنهادی دوم نسبت به سایر روش‌ها بود.