Título: | UM MÉTODO AUTOSUPERVISIONADO PARA ATENUAÇÃO CEGA DE RUÍDOS DE SISMOGRAMAS | ||||||||||||
Autor: |
ANTONIO JOSE GRANDSON BUSSON |
||||||||||||
Colaborador(es): |
SERGIO COLCHER - Orientador |
||||||||||||
Catalogação: | 24/MAI/2022 | Língua(s): | INGLÊS - ESTADOS UNIDOS |
||||||||||
Tipo: | TEXTO | Subtipo: | TESE | ||||||||||
Notas: |
[pt] Todos os dados constantes dos documentos são de inteira responsabilidade de seus autores. Os dados utilizados nas descrições dos documentos estão em conformidade com os sistemas da administração da PUC-Rio. [en] All data contained in the documents are the sole responsibility of the authors. The data used in the descriptions of the documents are in conformity with the systems of the administration of PUC-Rio. |
||||||||||||
Referência(s): |
[pt] https://www.maxwell.vrac.puc-rio.br/projetosEspeciais/ETDs/consultas/conteudo.php?strSecao=resultado&nrSeq=59152&idi=1 [en] https://www.maxwell.vrac.puc-rio.br/projetosEspeciais/ETDs/consultas/conteudo.php?strSecao=resultado&nrSeq=59152&idi=2 |
||||||||||||
DOI: | https://doi.org/10.17771/PUCRio.acad.59152 | ||||||||||||
Resumo: | |||||||||||||
Nos últimos anos, a geofísicos tem se dedicado ao aprimoramento da
qualidade dos dados sísmicos por meio da atenuação de ruído e interpolação
de sismogramas usando métodos puramente baseados em CNN. Métodos
baseados em CNN podem alcançar resultados estado-da-arte para remoção
de ruídos. No entanto, eles não se aplicam a cenários sem dados de
treinamento emparelhados (ou seja, dados sísmicos ruidosos e dados sísmicos
sem ruído correspondentes). Neste trabalho, tratamos a atenuação de ruídos
de dados sísmicos como um problema de atenuação de ruído cega, que
consiste em remover ruídos desconhecidos sem dados pareados. Em outras
palavras, a base usada pelo modelo de denoiser é aprendida a partir
das próprias amostras ruidosas durante o treinamento. Motivado por este
contexto, o principal objetivo deste trabalho é propor um método autosupervisionado para atenuação cega de dados sísmicos, que não requer
análise prévia do sinal sísmico, nenhuma estimativa do ruído e nenhum
dado de treinamento pareado. O método proposto assume dois conjuntos
de dados: um contendo shot gathers com ruídos e o outro com shot gathers
sem ruídos. A partir desses dados, treinamos dois modelos: (1) Seismic Noise
Transfer (SNT), que aprende a produzir shot gathers com ruído sintético
contendo o ruído dos shot gathers com ruído e o sinal dos shot gathers sem
ruído; E (2) Sismic Neural Denoiser (SND), que aprende a mapear os shot
gathers com ruído sintético de volta aos shot gathers sem ruído original.
Após o treinamento, o SND sozinho é usado para remover o ruído das
capturas ruidosas originais. Nosso modelo SNT adapta o algoritmo Neural
Style Transfer (NST) ao domínio sísmico. Além disso, nosso modelo SND
consiste em uma nova arquitetura CNN baseada em fusão de atributos em
várias escalas para eliminação de ruído em shot gathers. Nosso método
produziu resultados promissores em experimentos, alcançando um ganho
de PSNR de 0,9 em comparação com outros modelos de última geração.
|
|||||||||||||
|