• 지구물리와물리탐사
• /
• 제21권1호
• /
• pp.41-53
• /
• 2018

전통적인 탄성파 탐사 자료처리 분야에서 겹반사파(multiple)는 잡음으로 취급되어 제거한 후 자료처리를 수행한다. 그러나 최근 겹반사파를 잡음이 아닌 하나의 신호로 인식하고 이를 영상화에 이용하는 연구가 많이 이루어지고 있다. 겹반사파는 일차 반사파(primary reflection)가 도달하지 못하는 지점까지 도달할 수 있어 적은 수의 송신원과 수신기로도 더 넓은 범위를 영상화 할 수 있다. 이를 검증하기 위해 본 연구에서는 영상화 기법 중 하나인 거꿀시간 참반사 보정(reverse-time migration)을 이용하여 겹반사파 자료를 영상화한 후 일차 반사파를 사용한 전통적인 거꿀시간 참반사 보정 결과와 비교하였다. 겹반사파를 독립적으로 사용하기 위해 자유면 기인 겹반사파 제거(surface-related multiple elimination; SRME)기법을 사용해 탄성파 자료에서 겹반사파를 분리하였다. 수치 예제를 통해 겹반사파를 이용한 참반사 보정 결과가 일차 반사파를 이용한 전통적인 참반사 보정 결과보다 더 넓은 범위를 영상화 할 수 있음을 확인하였고, 특히 천부 지층에서 두드러진 효과가 나타나는 것을 알 수 있었다. 또한 겹반사파를 이용한 참반사 보정은 자료취득 흔적(acquisition footprint)에 의한 영상 왜곡이 제거됨을 확인할 수 있었다.

• 지구물리와물리탐사
• /
• 제23권3호
• /
• pp.168-177
• /
• 2020

해저면 탄성파 겹반사는 발파점 모음자료와 겹쌓기 단면에서 모두 일차 반사파의 해석에 잘못된 결과를 초래할 수 있다. 따라서, 해저면 겹반사는 자료처리를 통해 제거해야 한다. 전통적인 자료처리 과정에서 겹반사 제거는 예측오차 곱풀기와 라돈 필터링 등과 같은 모델-기반 기법과 지표관련-겹반사제거와 같은 데이터-기반 기법에 의해 이루어져 왔다. 그러나 대다수의 자료처리 과정들은 방대한 컴퓨터 자원과 전문적인 자료처리 기법뿐만 아니라 자료처리 변수들을 테스트하고 선택하는데 많은 시간을 필요로 한다. 이 논문에서는 머신러닝 시스템을 활용한 해저면 겹반사의 제거효과를 살펴보기 위해 Marmousi2 속도모델에 대한 수치모델링으로 겹반사가 포함된 입력데이터와 겹반사가 포함되지 않은 레이블데이터를 생성하였다. 수직시간차가 보정된 공통중간점 모음자료로 훈련데이터를 구성하였으며 인공신경망은 U-Net 모델을 적용하였다. 해저면 겹반사를 제거하기 위해 훈련된 모델은 레이블데이터에 거의 근접하는 예측 결과를 만들어내며, 현장자료에 대한 예측 테스트에서 해저면 겹반사를 효과적으로 제거하는 것으로 나타났다.