論文の概要: Joint Microseismic Event Detection and Location with a Detection Transformer

• arxiv url: http://arxiv.org/abs/2307.09207v2
• Date: Mon, 30 Sep 2024 18:24:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-10-02 16:31:29.167290
• Title: Joint Microseismic Event Detection and Location with a Detection Transformer
• Title（参考訳）: 検出変換器を用いた微小地震イベント検出と位置検出
• Authors: Yuanyuan Yang, Claire Birnie, Tariq Alkhalifah,
• Abstract要約: イベント検出とソース位置をひとつのフレームワークに統合する手法を提案する。 提案するネットワークは、ランダムな震源位置に対応する複数の微小地震事象をシミュレートした合成データに基づいて訓練される。
• 参考スコア（独自算出の注目度）: 8.505271826735118
• License:
• Abstract: Microseismic event detection and location are two primary components in microseismic monitoring, which offers us invaluable insights into the subsurface during reservoir stimulation and evolution. Conventional approaches for event detection and location often suffer from manual intervention and/or heavy computation, while current machine learning-assisted approaches typically address detection and location separately; such limitations hinder the potential for real-time microseismic monitoring. We propose an approach to unify event detection and source location into a single framework by adapting a Convolutional Neural Network backbone and an encoder-decoder Transformer with a set-based Hungarian loss, which is applied directly to recorded waveforms. The proposed network is trained on synthetic data simulating multiple microseismic events corresponding to random source locations in the area of suspected microseismic activities. A synthetic test on a 2D profile of the SEAM Time Lapse model illustrates the capability of the proposed method in detecting the events properly and locating them in the subsurface accurately; while, a field test using the Arkoma Basin data further proves its practicability, efficiency, and its potential in paving the way for real-time monitoring of microseismic events.
• Abstract（参考訳）: 微小地震イベントの検出と位置は、微小地震モニタリングの2つの主要な要素であり、貯水池の刺激と進化の過程で地下の貴重な知見を提供する。 従来のイベント検出と位置検出のアプローチは、手動の介入や重い計算に悩まされることが多いが、現在の機械学習支援アプローチは、検出と位置を別々に扱うのが一般的である。 本稿では,畳み込みニューラルネットワークのバックボーンとエンコーダ・デコーダ・トランスフォーマをセットベースハンガリー損失に適応させることにより,イベント検出とソース位置を単一のフレームワークに統一する手法を提案する。 提案するネットワークは,疑わしい微小地震活動領域におけるランダムな震源位置に対応する複数の微小地震事象をシミュレートした合成データに基づいて訓練される。 SEAM Time Lapse モデルの2次元プロファイルに対する合成試験では, 提案手法が適切に検出し, 地下で正確に位置決めする能力を示した。一方, アルコマ盆地データを用いたフィールドテストでは, その実用性, 効率, およびマイクロ地震イベントのリアルタイムモニタリングの可能性をさらに証明している。

関連論文リスト

• Domain Adaptive Synapse Detection with Weak Point Annotations [63.97144211520869]
  弱点アノテーションを用いたドメイン適応型シナプス検出のためのフレームワークであるAdaSynを提案する。 I SBI 2023のWASPSYNチャレンジでは、我々の手法が第1位にランクインした。
  論文  参考訳（メタデータ） (2023-08-31T05:05:53Z)
• DynamoPMU: A Physics Informed Anomaly Detection and Prediction Methodology using non-linear dynamics from $\mu$PMU Measurement Data [0.0]
  我々は、$mu$PMUストリーミングデータの異常を検知し、制御方程式を用いてイベントを同時に予測する物理力学に基づくアプローチを開発した。 提案手法の有効性を,LBNL分布グリッドから得た実際の$mu$PMUデータの解析により実証する。
  論文  参考訳（メタデータ） (2023-03-31T19:32:24Z)
• Dual Memory Aggregation Network for Event-Based Object Detection with Learnable Representation [79.02808071245634]
  イベントベースのカメラはバイオインスパイアされたセンサーで、各ピクセルの明るさ変化を非同期に捉える。 イベントストリームは、正極性と負極性の両方のためにx-y-t座標の格子に分割され、3次元テンソル表現として柱の集合が生成される。 長メモリは適応型convLSTMの隠れ状態に符号化され、短メモリはイベントピラー間の空間的時間的相関を計算することによってモデル化される。
  論文  参考訳（メタデータ） (2023-03-17T12:12:41Z)
• Learning-based Localizability Estimation for Robust LiDAR Localization [13.298113481670038]
  LiDARベースのローカライゼーションとマッピングは、多くの現代のロボットシステムにおける中核的なコンポーネントの1つである。 本研究では,ロボット動作中の(非)局所性を検出するニューラルネットワークに基づく推定手法を提案する。
  論文  参考訳（メタデータ） (2022-03-11T01:12:00Z)
• Convolutional generative adversarial imputation networks for spatio-temporal missing data in storm surge simulations [86.5302150777089]
  GAN(Generative Adversarial Imputation Nets)とGANベースの技術は、教師なし機械学習手法として注目されている。 提案手法を Con Conval Generative Adversarial Imputation Nets (Conv-GAIN) と呼ぶ。
  論文  参考訳（メタデータ） (2021-11-03T03:50:48Z)
• DAAIN: Detection of Anomalous and Adversarial Input using Normalizing Flows [52.31831255787147]
  我々は、アウト・オブ・ディストリビューション(OOD)インプットと敵攻撃(AA)を検出する新しい手法であるDAINを導入する。 本手法は,ニューラルネットワークの内部動作を監視し,活性化分布の密度推定器を学習する。 当社のモデルは,特別なアクセラレータを必要とせずに,効率的な計算とデプロイが可能な単一のGPUでトレーニングすることが可能です。
  論文  参考訳（メタデータ） (2021-05-30T22:07:13Z)
• Unsupervised Domain Adaptation for Spatio-Temporal Action Localization [69.12982544509427]
  S時間動作の局所化はコンピュータビジョンにおいて重要な問題である。 本稿では、エンドツーエンドの教師なしドメイン適応アルゴリズムを提案する。 空間的特徴と時間的特徴を別々にあるいは共同的に適応した場合に,顕著な性能向上が達成できることを示す。
  論文  参考訳（メタデータ） (2020-10-19T04:25:10Z)
• A Background-Agnostic Framework with Adversarial Training for Abnormal Event Detection in Video [120.18562044084678]
  近年,ビデオにおける異常事象検出は複雑なコンピュータビジョンの問題として注目されている。 通常のイベントのみを含むトレーニングビデオから学習するバックグラウンドに依存しないフレームワークを提案する。
  論文  参考訳（メタデータ） (2020-08-27T18:39:24Z)
• Event Cause Analysis in Distribution Networks using Synchro Waveform Measurements [2.3780731536926165]
  本稿では,配信ネットワークにおける状況認識を高めるために,事象原因分析のための機械学習手法を提案する。 提案手法は,機械学習,畳み込みニューラルネットワーク(CNN)に基づく。
  論文  参考訳（メタデータ） (2020-08-25T01:25:59Z)
• Unsupervised Event Detection, Clustering, and Use Case Exposition in Micro-PMU Measurements [0.0]
  我々はGAN(Generative Adversarial Networks)の概念に基づく教師なしイベント検出手法を開発した。 また,線形混合整数計画法に基づく2段階のアン教師なしクラスタリング手法を提案する。 結果から,本研究で広く普及している手法に勝るものであることが示唆された。
  論文  参考訳（メタデータ） (2020-07-30T05:20:29Z)
• Real-time Detection of Clustered Events in Video-imaging data with Applications to Additive Manufacturing [9.018291036304941]
  本稿では,映像データにおける異常検出のための統合時間分解と回帰手法を提案する。 本手法は, 金属添加物製造プロセスにおいて, 局所過熱現象(ホットスポット)を検出し, 検出するために, 映像データの解析に応用した。
  論文  参考訳（メタデータ） (2020-04-23T05:32:13Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。