文献

J-GLOBAL ID：202202238488080442   整理番号：22A1085695

深層畳込みニューラルネットワークに基づく同時震源地震データのデブレンディング【JST・京大機械翻訳】

Deblending of Simultaneous-Source Seismic Data Based on Deep Convolutional Neural Network

著者 (5件)： Cheng Jingwang (College of Mining Engineering, Taiyuan University of Technology, Taiyuan, China) ,  Liu Chuncheng (CNOOC Research Institute, Beijing, China) ,  Zhou Li (College of Information and Computer, Taiyuan University of Technology, Taiyuan, China) ,  Chen Wei (Cooperative Innovation Center of Unconventional Oil and Gas (Ministry of Education & Hubei Province), Yangtze University, Wuhan, China) ,  Gu Hanming (Institute of Geophysics and Geomatics, China University of Geosciences, Wuhan, China)
資料名： IEEE Transactions on Geoscience and Remote Sensing  (IEEE Transactions on Geoscience and Remote Sensing)
巻： 60  ページ： ROMBUNNO.5912613.1-13  発行年： 2022年 
JST資料番号： H0016B  ISSN： 0196-2892  CODEN： IGRSD2  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： 同時ソース技術は海洋地震探査における取得効率を改善する。同時ソース技術を実行するとき,高品質脱混合法は重要なステップである。脱混合は,混合雑音がインコヒーレントである領域(共通ソース領域以外の)でしばしば実行される。本論文では,脱混合のための深い畳込みニューラルネットワーク(CNN)に基づく雑音除去法を提案した。実際の地震データに関するCNNベースの雑音除去一般化能力は,訓練データセット,特にラベル付きデータが取得するのが難しいので,制限される。実際のデータに適用できるCNNを作るために,実際のデータとして同じ動的地震波場特性を有する実際の共通ショット混合記録自体から直接訓練データセットを生成した。CNNの入力データセットを,AをBに加えることによって獲得した。共通ショット混合データの各トレースのランダム時間遅れ符号化データであり,一方,Bは共通ショット混合データの各トレースのデータである。次に,混合データは自然にラベル付けされたデータになった。深層学習により得られたCNNモデルを用いて混合ノイズを除去し,混合データの分離を完成させた。合成データと実データを用いた数値試験は,著者らの方法が高精度分離結果を提供できることを示した。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： 雑音 ,  *データ ,  地震波 ,  海洋 ,  地震探査 ,  *震源 ,  *測定データ ,  粒状材 ,  機械学習 ,  雑音除去
準シソーラス用語： 訓練データ ,  高精度 ,  高品質 ,  *地震データ ,  入力データ ,  深層学習 ,  *畳込みニューラルネットワーク , 【Automatic Indexing@JST】

分類 (3件)： 人工知能  (JE08000Z) ,  医用情報処理  (JE15030Q) ,  医用画像処理  (JE04020T)

タイトルに関連する用語 (3件)： 深層畳込みニューラルネットワーク ,  震源 ,  地震データ