論文の概要: Real-world application of deep learning in large-scale seismic interference attenuation: A case study in the Camie field of Angola

• arxiv url: http://arxiv.org/abs/2610.09663v1
• Date: Wed, 07 Oct 2026 08:30:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-08 21:58:22.79899
• Title: Real-world application of deep learning in large-scale seismic interference attenuation: A case study in the Camie field of Angola
• Title（参考訳）: 大規模地震干渉減衰におけるディープラーニングの実世界応用:アンゴラのカミーフィールドを事例として
• Abstract要約: 地震探査では、近くの外部地震源からのエネルギーが捕獲されたときに地震干渉(SI)が発生する。 SIは一般的に観測されており、地震データ処理の課題となっている。 本稿では,アンゴラのカミー・フィールドの海洋地震ブロックを横断するSI減衰に応用したディープニューラルネットワーク(DNN)に基づくワークフローの事例について述べる。
• 参考スコア（独自算出の注目度）: 2.108255435381892
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In marine seismic acquisition, seismic interference (SI) occurs when energy from nearby external seismic source(s) is captured. It typically appears as coherent noise with linear or non-linear movement and varying amplitudes across different sail lines. SI is commonly observed and poses a challenge for seismic data processing. We present a case history of a previously proposed deep neural network (DNN)-based workflow applied for SI attenuation across a marine seismic block in the Camie Field of Angola. This field survey covers over 345 km2 and is marked by the challenge of multiple SI types. The employed DNN-based workflow performs SI attenuation in the common shot domain based on a supervised learning framework: a small subset of the SI-contaminated data was first processed by a conventional geophysical algorithm to obtain an estimate of the SI noise, which was then manually blended with the SI-free common shot gathers from the same survey to generate the training pairs. To ensure signal fidelity, several techniques were applied to improve the DNN's performance. A key highlight of this case history is its scale: this represents a real-world, large-scale processing project and we present a comprehensive comparison of the DNN-based workflow with the conventional geophysical algorithm across the entire survey block, focusing on both processing quality and processing time. The results demonstrate the outstanding performance of the employed DNN-based workflow, which achieved higher SI removal accuracy, with less signal leakage and more complete SI removal. The promising results of this application also open up possibilities for integrating deep learning into other seismic denoising tasks. In addition, we discuss the limitations of this case history, aiming to provide insights for future research and applications in the field.
• Abstract（参考訳）: 海洋地震探査では、近くの外部地震源からのエネルギーが捕獲されたときに地震干渉(SI)が発生する。 典型的には、直線的または非線形な動きと異なる帆線にわたって異なる振幅のコヒーレントノイズとして現れる。 SIは一般的に観測されており、地震データ処理の課題となっている。 本稿では,アンゴラのカミー・フィールドの海洋地震ブロックを横断するSI減衰に先立って提案したディープニューラルネットワーク(DNN)に基づくワークフローの事例について述べる。 この調査は345 km2以上をカバーしており、複数のSIタイプの課題を特徴としている。 DNNベースのワークフローは、教師付き学習フレームワークに基づいて、共通のショット領域でSI減衰を行う:SI汚染データの小さなサブセットを従来の物理アルゴリズムで最初に処理し、SIノイズを推定し、その後、同じ調査からSI非使用の共通ショットと手動でブレンドしてトレーニングペアを生成する。 信号の忠実性を確保するため、DNNの性能を改善するためにいくつかの技術が適用された。 実世界の大規模処理プロジェクトであり、DNNベースのワークフローと従来の物理アルゴリズムを総合的に比較し、処理品質と処理時間の両方に焦点をあてる。 その結果, SI除去精度が向上し, 信号リークの低減, SI除去の完全化が図られた。 この応用の有望な結果は、ディープラーニングを他の地震発生タスクに統合する可能性も開ける。 また,本事例の歴史の限界について論じ,今後の研究や応用への洞察の提供を目的としている。

関連論文リスト

• Isolation-based Spherical Ensemble Representations for Anomaly Detection [60.989157958972356]
  不正検出、ネットワークセキュリティ、ログ監視を対象とするアプリケーションによるデータマイニングと管理において、異常検出は重要なタスクである。 既存の教師なし異常検出手法は、分散仮定の矛盾、計算の非効率性、異なる異常型を扱う難しさなど、基本的な課題に直面している。 Isolation-based Spherical Ensemble Representations (ISER) は, 局所密度特性のプロキシとしてハイパースフィアラジイを用いて, 線形時間と定数空間の複雑さを保ちながら, 既存の分離法を拡張したものである。
  論文  参考訳（メタデータ） (2025-10-15T09:00:05Z)
• A convolutional neural network approach to deblending seismic data [1.5488464287814563]
  本稿では,高速かつ効率的な地震探査のためのデータ駆動深層学習手法を提案する。 地震データの特徴に応じて畳み込みニューラルネットワーク(CNN)を設計する。 ネットワークのトレーニングと検証を行った後、ほぼリアルタイムで地震波のたわみを行うことができる。
  論文  参考訳（メタデータ） (2024-09-12T10:54:35Z)
• Impact of Noisy Supervision in Foundation Model Learning [91.56591923244943]
  本論文は、事前学習データセットにおけるノイズの性質を包括的に理解し分析する最初の研究である。 雑音の悪影響を緩和し、一般化を改善するため、特徴空間に適応するチューニング法(NMTune)を提案する。
  論文  参考訳（メタデータ） (2024-03-11T16:22:41Z)
• A hybrid approach to seismic deblending: when physics meets self-supervision [0.0]
  自己教師型デノベーションネットワークをPlug-and-Playフレームワークに組み込んだ新しい概念を導入する。 部分的に相関する雑音に対する[28 ]の盲点ネットワークアーキテクチャを設計した新しいネットワークが導入された。 ネットワークは、教師付き時間アルゴリズムの各ステップでノイズの多い入力データに基づいて直接訓練される。
  論文  参考訳（メタデータ） (2022-05-30T19:24:21Z)
• An Efficient Anomaly Detection Approach using Cube Sampling with Streaming Data [2.0515785954568626]
  異常検出は侵入検知、健康モニタリング、故障診断、センサネットワークイベント検出など様々な分野で重要である。 孤立林(アイフォレスト)アプローチは、異常を検出するためのよく知られた手法である。 本稿では,ストリーミングデータに有効なキューブサンプリングを用いた,効率的なiForestに基づく異常検出手法を提案する。
  論文  参考訳（メタデータ） (2021-10-05T04:23:00Z)
• A SAR speckle filter based on Residual Convolutional Neural Networks [68.8204255655161]
  本研究では,Convolutional Neural Networks(CNN)に基づく深層学習(DL)アルゴリズムを用いて,Sentinel-1データからスペックルノイズをフィルタリングする新しい手法を提案する。 得られた結果は、技術の現状と比較すると、ピーク信号対雑音比(PSNR)と構造類似度指数(SSIM)の点で明確な改善を示しています。
  論文  参考訳（メタデータ） (2021-04-19T14:43:07Z)
• A Compact Deep Learning Model for Face Spoofing Detection [4.250231861415827]
  プレゼンテーションアタック検出(PAD)は研究コミュニティから大きな注目を集めている。 我々は、統一されたニューラルネットワークアーキテクチャにおいて、幅広い機能と深い機能の両方を融合することで、この問題に対処する。 この手順は、ROSE-Youtu、SiW、NUAA Imposterなどのさまざまなスプーフィングデータセットで行われます。
  論文  参考訳（メタデータ） (2021-01-12T21:20:09Z)
• Seismic horizon detection with neural networks [62.997667081978825]
  本稿では,複数の実地震立方体上での地平線検出にバイナリセグメンテーションを適用し,予測モデルのキューブ間一般化に着目したオープンソースの研究である。 本研究の主な貢献は,複数実地震立方体における地平線検出にバイナリセグメンテーションを適用し,予測モデルのキューブ間一般化に着目したオープンソースの研究である。
  論文  参考訳（メタデータ） (2020-01-10T11:30:50Z)

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。