논문리뷰3 [저주파 외삽 논문 리뷰] Self-supervised learning for low frequency extension of seismic data * 해당 논문 리뷰는 글쓴이가 직접 읽고 이해한 내용을 바탕으로 작성된 것이므로 잘못된 정보가 포함될 수 있습니다. 잘못된 정보는 댓글로 남겨주시면 반영하겠습니다 : )Meixia Wang, Sheng Xu, and Hongbo Zhou, Equinor US OperationsSEG International Exposition and 90th Annual Meeting2020Introduction저주파 성분은 탄성파 이미징 알고리즘, 특히 전체 파형 역산(FWI)에 중요하며, 지하 구조의 더 정확한 이미지를 제공하는 데 도움을 준다. 하지만, 많은 기존 탄성파 데이터 세트에서는 저주파 부분이 부족하고, 이로 인해 데이터 품질이 낮다.따라서 이 논문에서는 U-Net을 사용하여 탄성파 데이터에서 저주파를 효.. 2024. 8. 7. [seismic interpolation] Sparse prior-net: A sparse prior-based deep network for seismic data interpolation * 해당 논문 리뷰는 글쓴이가 직접 읽고 이해한 내용을 바탕으로 작성된 것이므로, 잘못된 정보가 포함될 수 있습니다. 잘못된 정보는 댓글로 남겨주시면 반영하겠습니다 : ) Mengyi Wu, Lihua Fu, Wenqian Fang, and Jiajia CaoGeophysics2024Introduction이 논문에서는 POCS 알고리즘을 convolution layer에 적용하는 새로운 탄성파 자료 보간 네트워크인 SP-net을 제안한다. SP-net은 규칙 및 불규칙적으로 샘플링된 탄성파 자료의 보간을 효과적으로 수행하기 위해 네트워크 구조와 손실 함수를 설계한다. 구체적으로, 고정된 수의 단계로 구성되고, 각 단계는 POCS 알고리즘의 반복에 해당한다. "Conv+ReLU+Conv" layer는 PO.. 2024. 6. 28. [seismic inversion] A prestack seismic inversion method constrained by facies-controlledsedimentary structural features * 해당 논문 리뷰는 글쓴이가 직접 읽고 이해한 내용을 바탕으로 작성된 것이므로 잘못된 정보가 포함될 수 있습니다. 잘못된 정보는 댓글로 남겨주시면 반영하겠습니다 : ) Introduction이 논문은 암상별 퇴적 구조의 희소 표현을 중합 전 탄성파 역산에 결합합니다. 서론의 암상 제어 확률론적 역산과 가우스 혼합 모델은 선행연구이며, 본 논문의 세 가지 제안 기법으로 묶으면 기여를 잘못 이해하게 됩니다. 핵심은 암상을 나누고 각 암상의 검층 자료에서 구조를 추출해, 역산 결과를 해당 암상의 구조로 표현하며 반복하는 것입니다.TheoryInversion frameworkinversion framework는 다음 (1)식과 같으며, 이를 간단히 표현하면 식 (2)와 같이 표현된다.그림 설명: 식 1. 입사.. 2024. 5. 22. 이전 1 다음
