تضعیف نوفه تصادفی لرزه ای با استفاده از شبکه های عصبی همامیختی باقیمانده مبتنی بر بهینه ساز Adam

سال انتشار: 1400
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 222

فایل این مقاله در 5 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

GEOSIG02_001

تاریخ نمایه سازی: 21 اردیبهشت 1401

چکیده مقاله:

نوفه تصادفی اغلب داده های لرزهای را آلوده می کند و کیفیت آنها را کاهش می دهد. بنابراین، تضعیف نوفه تصادفی یک گام اساسی در پردازش داده های لرزه ای می باشد. در این پژوهش، از شبکه های عصبیهمامیختی ( CNN ) برای تضعیف نوفه تصادفی در داده های لرزه ای استفاده شده است. به منظور سرعت بخشیدن به آموزش شبکه، روش های یادگیری باقیمانده و نرمال سازی دست های به شبکه اضافه می شوند. پس از اتمام یادگیری و آموزش شبکه عمیق، شبکه توانایی جداسازی تصویر باقیمانده از داده های لرزه ای همراه با نوفه را خواهد داشت و با تفریق تصویر باقی مانده از دادههای همراه با نوفه، می توان تصاویر تمیز را بدست آورد. نتایج بر روی داده واقعی نشان می دهد که روش پیشنهادی برای تضعیف نوفه تصادفی در داده های لرزه ای بسیار موثر است. این روش می تواند نوفه بیشتر و سیگنال کمتری را نسبت به روش های مرسوم کاهش دهد و نسبت به آنها در تضعیف نوفه تصادفی داده لرزه ای، عملکرد بهتری دارد.

نویسندگان

محدثه سادات احمدی

دانشجوی کارشناسی ارشد، ژئوفیزیک- لرزه شناسی، موسسه ژئوفیزیک، دانشگاه تهران

حسین هاشمی

استادیار موسسه ژئوفیزیک، ژئوفیزیک- لرزه شناسی، دانشگاه تهران

احمد کلهر

دانشیار دانشکده مهندسی برق و کامپیوتر، مهندسی برق- کنترل، دانشگاه تهران

عباس زارعی

مدیر پروژه طراحی و پردازش، مدیریت اکتشاف شرکت ملی نفت ایران