چکیده: مقاطع لرزه ای خام اغلب حاوی نوفه هستند که امکان تفسیر مناسب و تبدیل این مقاطع را به مدل های زمین-شناسی با مشکل مواجه می کند و ممکن است به تفسیر اشتباه و مدل زمین شناسی نادرستی منتج شود. تضعیف نوفه تصادفی از داده های لرزه ای یکی از مراحل مهم در پردازش می باشد که نقش حیاتی در تفسیر و صحت نتایج بدست آمده ایفا می کند و سبب دسترسی به داده هایی با اطمینان بالاتر و دقیق تر می شود. بنابراین گسترش روش هایی که بتواند به صورت بهینه باعث تضعیف نوفه تصادفی همراه با کمترین میزان آسیب به سیگنال در داده های لرزه ای شود، ضروری به نظر می رسد. لذا مرحله تضعیف نوفه همواره از مهم-ترین مراحل پردازش داده های لرزه ای محسوب می شود. روش تخمین مرتبه پایین یکی از موثرترین روش هایی است که اخیرا برای تضعیف نوفه های تصادفی در داده-های لرزه ای ارایه شده است. هر چند که به نظر می رسد این روش برای اعمال بر روی ماتریس هنکل مرتبه پایین، در داده های با ساختار ساده کاربرد دارد. می توان با استفاده از روش هایی برای بهبود عملکرد، این روش را برای داده های لرزه ای با پیچیدگی بالا نیز استفاده کرد . روش تخمین مرتبه پایین یا تحلیل طیف مقادیر تکین روشی است که بر پایه دو فرض خطی بودن رویدادها و مرتبه پایین بودن داده استوار است. بنابر این برای ارضای این دو فرضیه داده را پنجره بندی کرده و سپس روش را بر داده اعمال می کنیم. اما زمانی که داده دارای پیچیدگی باشد انتخاب مرتبه مناسب برای هر پنجره سخت می شود. به طوری که انتخاب مرتبه نامناسب می تواند باعث آسیب به داده و یا عملکرد نامناسب روش در حذف نوفه تصادفی شود. در این پایان نامه روشی ارایه شده است تا باعث بهبود عملکرد روش متداول تخمین مرتبه پایین شود. برای بهینه سازی عملکرد روش تخمین مرتبه پایین در پردازش داده های لرزه ای، روشی در این پایان نامه پیشنهاد شده تا ویژگی مرتبه پایین بودن داده را در هر پنجره محلی پردازشی تضمین کند. روش پیشنهادی داده را به چند مؤلفه تجربی که وابسته به مقادیر متفاوت شیب در حوزه t-x و دارای مرتبه پایین هستند، تجزیه می کند. در نتیجه مرتبه برای همه مؤلفه های تجربی تجزیه شده، در تمام پنجره های پردازشی به سادگی 1 یا 2 خواهد بود. برای تجزیه داده از الگوریتم تجزیه مد تجربی (EMD) استفاده می شود، چرا که این الگوریتم، روشی سازگار برای تجزیه داده هایی با سیگنال های ناپایدار است. سپس تخمین مرتبه پایین روی هر مؤلفه تجربی بدست آمده اعمال می شود. برای تمام مؤلفه ها و تمام پنجره های محلی پردازشی مرتبه ثابت در نظر گرفته می شود. الگوریتم این روش جدید تخمین تجربی مرتبه پایین نام گذاری می شود. در انتها از هر دو نمونه داده پیچیده مصنوعی و داده پیچیده واقعی برای نشان دادن عملکرد خوب و موفقیت آمیز روش پیشنهادی در تضعیف نوفه تصادفی نسبت به روش متداول تخمین مرتبه پایین یا تحلیل طیف مقادیر تکین استفاده شده است.