文献

J-GLOBAL ID：201602275694987741   整理番号：16A0617604

効率的完全波形インバージョンのための高速オンライン直交辞書学習【Powered by NICT】

Fast online orthonormal dictionary learning for efficient full waveform inversion

著者 (3件)： Zhu Hingehen (Center for Energy and Geo Processing (CeGP) at Georgia Tech and KFUPM, Georgia Institute of Technology, 75 5th St NW, Atlanta, GA 30308) ,  Liu Entao (Center for Energy and Geo Processing (CeGP) at Georgia Tech and KFUPM, Georgia Institute of Technology, 75 5th St NW, Atlanta, GA 30308) ,  McClellan James H. (Center for Energy and Geo Processing (CeGP) at Georgia Tech and KFUPM, Georgia Institute of Technology, 75 5th St NW, Atlanta, GA 30308)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2016  号： ICASSP  ページ： 1427-1431  発行年： 2016年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 完全波形インバージョン(FWI)が観察され,シミュレートされた地震データの間の不整合を反復を最小化することにより地下媒質特性の高分解能画像を実現し,地球物理学的探査のための石油およびガス産業で一般的に使用される。地震探査は,関心のあるより大きい地域をカバーし,大量のデータを集めるためにFWIは挑戦的な問題である。問題の次元性と媒質の不均一性は,両方の高速アルゴリズムの必要性を強調し,スパース正則化方法は,イメージング結果を加速し,改善するために利用できる。本論文では,著者らは,学習した辞書上での地質モデル摂動のスパース性を利用してFWI問題のための圧縮センシング法を提案した。確率近似に基づいて,辞書は,FWI反復の間に変化するモデルを適応させるために反復的に更新した。一方,これら変換はFWIに余分な計算オーバヘッドを持ち込まないように高速でコンパクトな方法で対応する変換を維持するために辞書は正規直交保たれている。モデルにこのようなスパース性正則化を確立サブサンプリングアーチファクトを導入することなく,現場データの0.625%を収集のみでの作業負荷を大幅に軽減することを可能にする。大規模FWI問題の計算負荷を大幅に低減できる。Copyright 2016 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： *高速度 ,  高速アルゴリズム ,  媒質 ,  *直交性 ,  摂動 ,  不整合 ,  確率近似 ,  透視図法 ,  地震探査 ,  正則化 ,  不均一性
準シソーラス用語： 圧縮センシング ,  スパース性 ,  最小化 ,  *辞書学習 , 【Automatic Indexing@JST】

分類 (1件)： 信号理論  (ND02020G)

タイトルに関連する用語 (3件)： 波形インバージョン ,  オンライン ,  辞書学習