文献

J-GLOBAL ID：202202276179687260   整理番号：22A0779524

CSGで訓練されたニューラルネットワークに基づく地震データのデブレンディング【JST・京大機械翻訳】

Deblending of Seismic Data Based on Neural Network Trained in the CSG

著者 (2件)： Wang Kunxi (School of Earth and Space Sciences, Peking University, Beijing, China) ,  Hu Tianyue (School of Earth and Space Sciences, Peking University, Beijing, China)
資料名： IEEE Transactions on Geoscience and Remote Sensing  (IEEE Transactions on Geoscience and Remote Sensing)
巻： 60  ページ： ROMBUNNO.5907712.1-12  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： 狭い時間間隔で多重源を励起する同時ソース取得法は,地震データ収集の効率を大いに改善し,良好な照明を提供する。しかし,混合データとしても知られている同時ソースデータは,他のソースからのクロストーク雑音を含み,その後の処理フローに問題をもたらす。したがって,同時ソースデータのための効果的な脱混合法が必要である。クロストーク雑音を抑えるために,共通ショット収集(CSG)で訓練された深層ニューラルネットワーク(DNN)を用いた反復脱混合法を,入力データである二重混合同時ソース(DBSS)データとラベルデータである混合CSGデータで開発した。提案した訓練法は,ラベルデータの難しい取得の問題を解決するだけでなく,DNNが,異なる作業領域における脱混合の一般化能力を持つかどうかを考慮しない,任意の複雑な形成条件に適用できるDNNも作ることができる。テストフェーズにおいて,訓練されたDNNを反復分離フレームワークに埋め込んで,一般的受信機収集(CRG)におけるデータを脱混合し,いくつかの反復で収束を達成して,より良い分離効果を達成した。合成と現場データ用例をテストして,同時ソースデータを脱混合するとき,提案した方式がクロストークノイズを効果的に抑制できることを検証した。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： 混合 ,  雑音 ,  作業空間 ,  *ニューラルネットワーク ,  受信機 ,  多重化 ,  *測定データ ,  粒状材 ,  クロストーク
準シソーラス用語： 分離性能 ,  *地震データ ,  入力データ ,  ディープニューラルネットワーク , 【Automatic Indexing@JST】

分類 (2件)： 人工知能  (JE08000Z) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (4件)： CSG ,  訓練 ,  ニューラルネットワーク ,  地震データ