본문 바로가기 주메뉴 바로가기
22대 대한민국 국회 국회정보길라잡이 국회의원검색
회원가입 로그인
HOME

정보검색

소장정보 검색

국회도서관 홈으로 정보검색 소장정보 검색

결과 내 검색

동의어 포함

고급검색

인명/단체명

저자정보 상세정보
인명/단체명을 입력하세요.

키워드

  • 대표어

  • 외국어

-

초록보기

전통적인 전파형 역산의 한계를 극복하기 위해 제안된 딥러닝 기반 탄성파 역산 기술들은 인공 합성 자료들을 대상으로 우수한 역산 성능을 입증하였다.

그러나, 송신원 추정 문제를 다루는 딥러닝 기반 탄성파 역산 연구는 거의 찾아볼 수 없다. 특히 현장 탐사 자료의 성공적인 역산을 위해서는 정확한 송신파형을 사용하는 것이 중요하다. 역산에 사용되는 송신원의 파형이 실제 송신원과 크게 다를 경우 역산 결과가 참 속도 모델에 수렴하지 못하거나 계산비용이 증가할 수 있다. 따라서, 본 연구는 딥러닝 기반 탄성파 역산에서 송신 파형의 불확실성이 역산 정확도에 미치는 영향을 분석하기 위해 수행하였다. 특히, 훈련 자료에 민감한 지도학습 기반 탄성파 역산에 초점을 맞추었으며, 라플라스 영역에서의 송신원 추정을 전처리 단계로 통합하였다. 시간이나 주파수 영역과 달리 라플라스 영역에서 송신 파형은 진폭 정보만을 가지므로 송신원 추정이 보다 단순하고 계산 효율적이다. 송신원 추정 알고리즘은기존 라플라스 영역 완전 파형 역산에서 사용하는 것과 동일한 알고리즘을 채택하였으며, 뉴턴법을 이용하여 송신원 매개변수를 반복적으로 갱신하였다. 또한, 라플라스 영역 딥러닝 기반 탄성파 역산을 위한 새로운 심층 신경망을 제안하여 선행 연구와 정량적으로 비교 분석하였다. 제안된 신경망을 이용해 라플라스 영역 역산에서 더욱 효율적이고 우수한 역산 성능을 달성하였으며, 두 가지 벤치마크 모델을 이용한 수치 예제를 통해 송신원 추정의 중요성과 제안된 접근법의 효과성을 입증하였다.

권호기사

권호기사 목록 테이블로 기사명, 저자명, 페이지, 원문, 기사목차 순으로 되어있습니다.
기사명 저자명 페이지 원문 목차
비지도 학습을 이용한 물리검층 자료부터의 암상 분류 = Unsupervised learning based lithology classification from well log data : a primary focus on self-organizing map : 자기조직화 지도 알고리즘 중점으로 김민준, 이주완, 조용채, 전형구 p. 55-63
송신원 추정을 통합한 라플라스 영역 지도학습 기반 탄성파 역산 = Supervised learning-based seismic inversion in the Laplace domain integrated with source estimation 조준현, 하완수 p. 64-78
저류층 내 기계학습 해석 층서 및 종합 지하 물성의 불확실성 정량화 워크플로우 제시 = An integrative uncertainty quantification workflow for machine learning-interpreted horizons and subsurface properties of reservoirs 이민제, 박수환, 조용채 p. 79-91

추천서가 (다양한 추천 자료를 만나보세요)

권호기사보기

권호기사 목록 테이블로 기사명, 저자명, 페이지, 원문, 기사목차 순으로 되어있습니다.
기사명 저자명 페이지 원문 기사목차

권호

기사명 원문보기 기사목차
닫기