高精度地震超高解像度 3D認識の先行情報深層学習を用いた3D認識

科学分野:

• 地質物理学 地質物理学とは地質物理学です.
• 人工知能 (AI) とは,人工知能 (AI) のことです.
• 地震イメージング (Seismic Imaging) について

背景:

• 地震の垂直解像度は,薄い床を特定するのに不可欠ですが,現在の地震の超解像度のディープラーニング方法は,非現実的な出力と不十分な一般化で課題に直面しています.
• 伝統的な2D地震測定法は,多くの場合,人工物の縫合に問題があり,空間的な一貫性がなく,正確な地表の解釈を妨げています.

研究 の 目的:

• データの精度と汎用性を高める地震超解像度のための新しいディープラーニングフレームワークを開発する.
• 薄床の識別を良くするために,地震の垂直解像度を向上させる現行の方法の限界に対処する.

主な方法:

• 現場調査の特徴を模倣した現実的な合成地震訓練データの生成.
• 3D認識の強化された2Dネットワークの実装,2Dスウィントランスフォーマーと3Dコンボリューションを組み合わせて,効率的な空間特性のキャプチャを実現します.
• ラベル付けされていないフィールドデータを用いて,自己監視データの一貫性とスペクトルマッチングの損失を組み込む,事前に情報化された微調整戦略の開発.

主要な成果:

• 提案されたフレームワークは,地震超解像度タスクの改善された忠実性と一般化を示しています.
• 強化された2Dネットワークは,縫合のアーティファクトを効果的に削減し,従来の2D方法と比較して空間的な一貫性を改善します.
• 複数のフィールドデータセットでの実験は,地震解像度強化の方法の強度と実用的な適用性を確認しています.

結論:

• この新しいフレームワークは,地震の超解像度のための堅牢で一般化可能なソリューションを提供し,薄床の識別を大幅に改善します.
• リアルなデータ生成,意識した2Dネットワーク,および事前の情報による微調整の組み合わせは,ディープラーニングベースの地震強化における主要な課題を克服します.
• このアプローチは,地質科学者にとって,多様なフィールドデータセットでより高い地震垂直解像度を達成するための実用的なツールを提供します.