論文の概要: IntraSeismic: a coordinate-based learning approach to seismic inversion

• arxiv url: http://arxiv.org/abs/2312.10568v1
• Date: Sun, 17 Dec 2023 00:29:25 GMT
• ステータス: 処理完了
• システム内更新日: 2023-12-19 15:56:05.254575
• Title: IntraSeismic: a coordinate-based learning approach to seismic inversion
• Title（参考訳）: IntraSeismic: 座標に基づく地震インバージョン学習手法
• Authors: Juan Romero, Wolfgang Heidrich, Nick Luiken, Matteo Ravasi
• Abstract要約: IntraSeismicは、座標に基づく学習とポストスタックモデリング演算子の物理をシームレスに組み合わせた、新しいハイブリッド地震インバージョン手法である。 IntraSeismicの主な特徴は、2Dおよび3D後の地震インバージョン、高速収束率、およびシームレスにハード制約を含む能力である。 提案手法の有効性を検証するために, 震源内データの合成とフィールドデータの適用について述べる。
• 参考スコア（独自算出の注目度）: 14.625250755761662
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Seismic imaging is the numerical process of creating a volumetric representation of the subsurface geological structures from elastic waves recorded at the surface of the Earth. As such, it is widely utilized in the energy and construction sectors for applications ranging from oil and gas prospection, to geothermal production and carbon capture and storage monitoring, to geotechnical assessment of infrastructures. Extracting quantitative information from seismic recordings, such as an acoustic impedance model, is however a highly ill-posed inverse problem, due to the band-limited and noisy nature of the data. This paper introduces IntraSeismic, a novel hybrid seismic inversion method that seamlessly combines coordinate-based learning with the physics of the post-stack modeling operator. Key features of IntraSeismic are i) unparalleled performance in 2D and 3D post-stack seismic inversion, ii) rapid convergence rates, iii) ability to seamlessly include hard constraints (i.e., well data) and perform uncertainty quantification, and iv) potential data compression and fast randomized access to portions of the inverted model. Synthetic and field data applications of IntraSeismic are presented to validate the effectiveness of the proposed method.
• Abstract（参考訳）: 地震イメージングは、地球表面で記録された弾性波から地下の地質構造を体積的に表現する数値的なプロセスである。 そのため、石油・ガス探査、地熱生産、炭素捕獲・貯蔵監視、インフラの地学的評価など、エネルギー・建設分野で広く利用されている。 しかし, 音響インピーダンスモデルなどの地震記録から定量的情報を抽出することは, 帯域制限とノイズの性質のため, 非常に不適切な逆問題である。 本稿では,協調学習とポストスタックモデリング演算子の物理をシームレスに組み合わせた新しいハイブリッド地震インバージョン手法であるIntraSeismicを紹介する。 IntraSeismicの主な特徴 i)2次元および3次元後地震インバージョンにおける非並列性能 二 急速な収束率 三 ハード制約(井戸データという。)をシームレスに含み、不確実性定量化を行う能力、及び 四 潜在的データ圧縮及び逆モデルの一部への高速ランダム化アクセス 本手法の有効性を検証するため,intraseismicの合成およびフィールドデータ応用を行った。

関連論文リスト

• Elastic Full-Waveform Inversion : How the physics of problem improves data-driven techniques? [0.0]
  フルウェーブフォーム・インバージョン(Full-Waveform Inversion, FWI)は、非線形反復型地震探査技術である。 FWIは地下物理特性の詳細な推定を行うことができる。 FWIの強い非線形性は、局所ミニマにおける最適化をトラップすることができる。 本稿では、時間調和FWIの解法を提案し、純粋なデータ駆動手法と比較して精度を向上させる。
  論文  参考訳（メタデータ） (2024-06-04T11:30:40Z)
• Multi-Modal Learning-based Reconstruction of High-Resolution Spatial Wind Speed Fields [46.72819846541652]
  本稿では,Variデータ同化とディープラーニングの概念に基づくフレームワークを提案する。 この枠組みは、海面風速に関する高解像度のリッチインタイムを回復するために応用される。
  論文  参考訳（メタデータ） (2023-12-14T13:40:39Z)
• DiffTraj: Generating GPS Trajectory with Diffusion Probabilistic Model [44.490978394267195]
  軌道生成のための時空間確率モデル(DiffTraj)を提案する。 中心となる考え方は、逆軌道分解過程を通じて白いノイズから地理的軌跡を再構成し、合成することである。 2つの実世界のデータセットの実験により、DiffTrajは直感的に高忠実な軌道を生成することができることが示された。
  論文  参考訳（メタデータ） (2023-04-23T08:42:45Z)
• Prediction of single well production rate in water-flooding oil fields driven by the fusion of static, temporal and spatial information [3.743500951752524]
  隣接する水井の静的な地質情報、動的生産履歴、空間的な情報を融合するために、新しい機械学習モデルを構築した。 提案したモデルが,データの特徴と専門家の知識を統合するために,モデル構造を十分に活用できることを理論的・実用的に証明した。
  論文  参考訳（メタデータ） (2023-02-22T08:10:25Z)
• Mitigation of Spatial Nonstationarity with Vision Transformers [1.690637178959708]
  深層学習モデル予測性能に対する2種類の測地的空間非定常性の影響を示す。 本稿では,自己注意モデル(ビジョン・トランスフォーマー)を用いて,そのような影響の緩和を提案する。
  論文  参考訳（メタデータ） (2022-12-09T02:16:05Z)
• Learning-based estimation of in-situ wind speed from underwater acoustics [58.293528982012255]
  水中音響から風速時系列を検索するための深層学習手法を提案する。 我々のアプローチは、事前の物理知識と計算効率の両面から恩恵を受けるために、データ同化と学習ベースのフレームワークをブリッジする。
  論文  参考訳（メタデータ） (2022-08-18T15:27:40Z)
• Data-driven generation of plausible tissue geometries for realistic photoacoustic image synthesis [53.65837038435433]
  光音響トモグラフィ(pat)は形態的および機能的組織特性を回復する可能性がある。 我々は,PATデータシミュレーションの新たなアプローチを提案し,これを「シミュレーションの学習」と呼ぶ。 我々は、意味的注釈付き医療画像データに基づいて訓練されたGAN(Generative Adversarial Networks)の概念を活用して、可塑性組織ジオメトリを生成する。
  論文  参考訳（メタデータ） (2021-03-29T11:30:18Z)
• Deep Learning for Surface Wave Identification in Distributed Acoustic Sensing Data [1.7237878022600697]
  実データ,複雑なDASデータを処理するための,高度にスケーラブルで効率的なアプローチを提案する。 深い教師付き学習は、人類活動によって生じる「有用な」コヒーレントな表面波を特定するために用いられる。 本手法は,地中活動と埋設センサとの相互作用を記述した解釈パターンを提供する。
  論文  参考訳（メタデータ） (2020-10-15T15:53:03Z)
• Decoupled Spatial-Temporal Attention Network for Skeleton-Based Action Recognition [46.836815779215456]
  本稿では,骨格に基づく行動認識のための空間的注意ネットワーク(DSTA-Net)を提案する。 注意ブロックの構築には,空間的時間的注意分離,非結合位置符号化,空間的大域正規化という3つの手法が提案されている。 提案手法の有効性を検証するため,骨格に基づくジェスチャーと行動認識のための4つの挑戦的データセットについて広範な実験を行った。
  論文  参考訳（メタデータ） (2020-07-07T07:58:56Z)
• Spatiotemporal Modeling of Seismic Images for Acoustic Impedance Estimation [12.653673008542155]
  機械学習に基づくインバージョンは通常、地震データに対してトレース・バイ・トレース方式で動作する。 本研究では,各地震跡を時間的だけでなく空間的にモデル化する深層学習型地震インバージョンワークフローを提案する。
  論文  参考訳（メタデータ） (2020-06-28T00:19:58Z)
• Semiparametric Bayesian Forecasting of Spatial Earthquake Occurrences [77.68028443709338]
  本稿では, Epidemic Type Aftershock Sequence (ETAS) モデルのベイズ的完全定式化を提案する。 地理的領域における主震の発生は不均一な空間的点過程に従うと仮定される。
  論文  参考訳（メタデータ） (2020-02-05T10:11:26Z)

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。