간행물

한국지구물리·물리탐사학회> 지구물리와 물리탐사

지구물리와 물리탐사 update

Geophysics and Geophysical Exploration

  • : 한국지구물리·물리탐사학회
  • : 자연과학분야  >  지질
  • : KCI등재
  • :
  • : 연속간행물
  • : 계간
  • : 1229-1064
  • : 2384-051X
  • :

수록정보
수록범위 : 1권1호(1998)~25권2호(2022) |수록논문 수 : 773
지구물리와 물리탐사
25권2호(2022년 05월) 수록논문
최근 권호 논문
| | | |

KCI등재

저자 : 이동욱 ( Donguk Lee ) , 문혜진 ( Hye-jin Moon ) , 김충호 ( Chung-ho Kim ) , 문성훈 ( Seonghoon Moon ) , 이수환 ( Su Hwan Lee ) , 주형태 ( Hyeong-tae Jou )

발행기관 : 한국지구물리·물리탐사학회 간행물 : 지구물리와 물리탐사 25권 2호 발행 연도 : 2022 페이지 : pp. 59-70 (12 pages)

다운로드

(기관인증 필요)

초록보기

최근의 연구들을 통해 기계학습은 탄성파 해석 분야에 그 적용 범위를 확장하고 있으며, 탄성파 해석에서 중요한 탄성파 층서 구분을 수행하는 합성곱 신경망들의 개발도 수행되었다. 하지만 지도 학습의 경우 대량의 학습 자료가 필요하며, 비용과 시간의 한계로 탄성파 층서구분의 지도학습은 학습 자료의 부족이 문제가 될 수 있다. 이번 연구에서는 자료 부족 문제를 보완하기위해 탄성파 단면에 패치 분할과 자료증강을 적용하였다. 또한 패치 분할로 손실될 수 있는 공간정보를 제공하기 위해 깊이를 고려할 수 있는 인공 채널을 생성하여 추가하였다. 실험을 위한 학습 모델로 U-Net을 사용하였으며, 층서 구분을 위한 학습 자료가 제공되는 F3 block 자료를 이용하여 학습과 예측 결과에 대한 평가를 수행하였다. 분석 결과 자료증강과 인공 채널의 추가로 패치 기반의 층서 구분 학습 모델을 개선할 수 있음을 확인하였다.


Recent studies demonstrate that machine learning has expanded in the field of seismic interpretation. Many convolutional neural networks have been developed for seismic sequence identification, which is important for seismic interpretation. However, expense and time limitations indicate that there is insufficient data available to provide a sufficient dataset to train supervised machine learning programs to identify seismic sequences. In this study, patch division and data augmentation are applied to mitigate this lack of data. Furthermore, to obtain spatial information that could be lost during patch division, an artificial channel is added to the original data to indicate depth. Seismic sequence identification is performed using a U-Net network and the Netherlands F3 block dataset from the dGB Open Seismic Repository, which offers datasets for machine learning, and the predicted results are evaluated. The results show that patch-based U-Net seismic sequence identification is improved by data augmentation and the addition of an artificial channel.

KCI등재

저자 : 김수정 ( Sujeong Kim ) , 전형구 ( Hyunggu Jun )

발행기관 : 한국지구물리·물리탐사학회 간행물 : 지구물리와 물리탐사 25권 2호 발행 연도 : 2022 페이지 : pp. 71-84 (14 pages)

다운로드

(기관인증 필요)

초록보기

탄성파 자료 취득 시 신호와 함께 기록되는 다양한 형태의 잡음은 탄성파 자료의 정확한 해석을 방해하는 요인으로 작용한다. 따라서 탄성파 자료의 잡음 제거는 탄성파 자료 처리 과정 중 필수적인 절차이므로 기계 학습을 포함한 다양한 방식의 잡음 제거 연구가 수행되고 있다. 본 연구에서는 비지도 학습 기반의 탄성파 잡음 제거 모델을 이용하여 중합 전 탄성파 자료의 잡음 제거를 수행하고자 하였으며 총 세 가지의 비지도 학습 기반 기계 학습 모델을 비교하였다. 세 가지의 비지도 학습 모델은 N2NUNET, PATCHUNET, DDUL로 각각 서로 다른 신경망 구조를 통해 정답 자료 없이 탄성파 잡음을 제거한다. 세 가지 모델들을 인공 합성 및 현장 중합 전 탄성파 자료에 적용하여 잡음을 제거한 후 그 결과를 정성적·정량적으로 분석하였으며, 분석 결과 세 가지 비지도 학습 모델 모두 인공 합성 및 현장 자료의 탄성파 잡음을 적절히 제거하였음을 확인하였다. 그 중 N2NUNET 모델이 가장 낮은 잡음 제거 성능을 보여주었으며, PATCHUNET과 DDUL은 거의 유사한 결과를 도출하였지만, DDUL이 정량적으로 근소한 우위를 보였다.


When acquiring seismic data, various types of simultaneously recorded seismic noise hinder accurate interpretation. Therefore, it is essential to attenuate this noise during the processing of seismic data and research on seismic noise attenuation. For this purpose, machine learning is extensively used. This study attempts to attenuate noise in prestack seismic data using unsupervised machine learning. Three unsupervised machine learning models, N2NUNET, PATCHUNET, and DDUL, are trained and applied to synthetic and field prestack seismic data to attenuate the noise and leave clean seismic data. The results are qualitatively and quantitatively analyzed and demonstrated that all three unsupervised learning models succeeded in removing seismic noise from both synthetic and field data. Of the three, the N2NUNET model performed the worst, and the PATCHUNET and DDUL models produced almost identical results, although the DDUL model performed slightly better.

KCI등재

저자 : 임형래 ( Hyoungrea Rim )

발행기관 : 한국지구물리·물리탐사학회 간행물 : 지구물리와 물리탐사 25권 2호 발행 연도 : 2022 페이지 : pp. 85-92 (8 pages)

다운로드

(기관인증 필요)

초록보기

한쪽 방향으로 연장된 이상체를 멀리 떨어져서 관측하면 선형 이상체로 근사가 가능하다. 이런 경우 자력 및 자력 변화율 텐서를 적용하기 위해서는 선형 이상체에 대한 해석해가 필요하다. 따라서 이 논문에서는 선형 이상체에 대한 자력과 자력 변화율 텐서 반응식을 유도하였다. 벡터 자력은 기존에 유도한 선형 이상체에 대한 중력 변화율 텐서를 포아송 관계식을 이용하여 벡터 자력으로 변환하여 유도하였다. 자력 변화율 텐서는 벡터 자력를 기준 직교 좌표계의 성분으로 한번 더 미분하여 유도하였다. 시추공에서 얻은 총자력 탐사 자료를 가정하고, 선형 이상체의 길이, 방향, 자력 모멘트를 비선형 역산 방법으로 추정하는 사례를 보여주었다.


An elongated object in one direction can be approximated as a line segment. Here, the closed-form expressions of a line segment's vector magnetic and magnetic gradient tensor are required to interpret responses by a line segment. Therefore, the analytical expressions of the vector magnetic and magnetic gradient tensor are derived. The vector magnetic is converted from the existing gravity gradient tensor using Poisson's relation where the gravity gradient tensor caused by a line segment can be transformed into a vector magnetic. Then, the magnetic gradient tensor is derived by differentiating the vector magnetic with respect to each axis in the Cartesian coordinate system. The synthetic total magnetic data simulated by an iron pile on boreholes are inverted by a nonlinear inversion process so that the physical parameters of the iron pile, including the beginning point, the length, orientation, and magnetization vector are successfully estimated.

1
권호별 보기

내가 찾은 최근 검색어

최근 열람 자료

맞춤 논문

보관함

내 보관함
공유한 보관함

1:1문의

닫기