文献

J-GLOBAL ID：202202227540172246   整理番号：22A0397629

残差U-Netによるスパースサンプリング地震データの再構築【JST・京大機械翻訳】

Reconstruction of Sparsely Sampled Seismic Data via Residual U-Net

著者 (4件)： Tang Shuhang (Department of Earth and Atmospheric Sciences, University of Houston, Houston, TX, USA) ,  Ding Yinshuai (Department of Earth and Atmospheric Sciences, University of Houston, Houston, TX, USA) ,  Zhou Hua-Wei (Department of Earth and Atmospheric Sciences, University of Houston, Houston, TX, USA) ,  Zhou Heng (BGP International, BGP Inc., Zhuozhou, China)
資料名： IEEE Geoscience and Remote Sensing Letters  (IEEE Geoscience and Remote Sensing Letters)
巻： 19  ページ： ROMBUNNO.7500605.1-5  発行年： 2022年 
JST資料番号： W1397A  ISSN： 1545-598X  CODEN： IGRSBY  資料種別： 逐次刊行物 (A)
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： まばらにサンプリングされた地震データの再構築は,ショットと受信機の多くの数があるとき,地震画像の品質を維持するために重要である。残差U-Netマシン学習アーキテクチャに基づくショット受信時間(SRT)ドメインにおける再構成法を示し,スパース2D取得で取得した地震データについて,それをSRT2D-ResU-Netと名づけた。SRTドメインは高レベルの地震信号連結性を保持し,再構成アルゴリズムが頼る主なデータ特徴である。取得領域を2つの非重複サブエリアに分割することにより,”in situ訓練と予測”ワークフローを開発し,訓練サブエリアは,規則的サンプリングデータを用いたネットワークモデルの確立のための訓練サブエリアと訓練されたモデルを用いたスパースサンプリングデータを再構成するための試験サブエリアである。研究地域にわたるデータの特徴の変化を分析し,再構築された地震データを定量化するための基準ベースを確立するために,フィールドデータの小部分を用いて基準線基準を考案した。ベースラインは訓練と再構成プロセスから適切に間隔と除外される。フィールド海洋データセットに関する結果は,SRT2D-ResU-Netがトレーニングプロセスにおける地震データの特徴を効果的に学習することができ,再構成した欠損トレースと真の回答の間の平均相関が85%以上であることを示した。Copyright 2022 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 学習 ,  受信機 ,  *残差 ,  *地震 ,  受信 ,  再構成 ,  二次元 ,  粒状材 ,  基準線 ,  連結性 ,  計算機アーキテクチャ ,  ワークフロー
準シソーラス用語： ネットワークモデル ,  *地震データ ,  再構成アルゴリズム , 【Automatic Indexing@JST】

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (4件)： 残差 ,  U-Net ,  地震データ ,  再構築