• 지구물리와물리탐사
• /
• 제25권4호
• /
• pp.227-241
• /
• 2022

전파형 역산은 석유가스 탐사를 위한 탄성파 자료처리 분야에서 지층의 속도 모델을 추정하는데 사용되는 역산 기법이다. 최근 탄성파 자료처리에 딥러닝 기술의 활용이 급격하게 증가하고 있는데, 전파형 역산 기술도 마찬가지로 다양한 연구가 이루어지고 있다. 초기에는 머신러닝 기술을 활용한 자료처리 기법이 전파형 역산을 위한 입력자료의 전처리 목적으로 활용되는 수준이었으나, 딥러닝 기술을 통해 전파형 역산을 직접적으로 구현하는 연구가 등장하기 시작하였다. 딥러닝 기술을 활용한 전파형 역산은 순수 데이터 기반 접근법, 물리 기반 신경망 활용법, 인코더-디코더 구조 활용법, 신경망 재매개변수화를 이용한 구현법, 물리정보 기반 신경망 기법 등으로 구분할 수 있다. 이 논문에서는 딥러닝 기반 전파형 역산 기법을 발전 과정 순서로 체계화하여 각각의 접근법에 대한 이론과 특징을 설명하였다. 전파형 역산 기술에 딥러닝 기법을 도입한 초기에는 데이터 과학의 기본 원리에 충실하게 대량의 학습자료를 준비하고 순수 데이터 기반 예측 모델을 적용하여 속도 모델을 역산하는 연구로 시작하였다. 최근 연구 동향은 탄성파 자료의 잔차나 파동방정식 자체의 물리정보를 심층 신경망에 활용하여 순수 데이터 기반 접근법의 단점을 보완해 나가는 방향으로 진행되고 있다. 이러한 발전으로 대량의 학습자료가 필요하지 않고, 전파형 역산의 태생적 한계점인 주기 놓침 현상을 완화하며 계산 시간을 획기적으로 줄일 수 있는 딥러닝 기반 전파형 역산 기술이 등장하고 있다. 딥러닝 기술의 도입으로 전파형 역산 기술은 탄성파 자료처리 분야에서 가치가 더 높아질 것으로 생각된다.

• 지구물리와물리탐사
• /
• 제9권1호
• /
• pp.86-92
• /
• 2006

정규화된 파동장을 이용하는 탄성파 전파형 역산법은 기존의 전파형 역산법에서 필요로 하는 탄성파원 예측으로 인해 야기되는 잠재적인 역산오차를 피할 수 있다. 본 논문에서는 이러한 전파형 역산법에 가중 평활화제약을 추가하여 분해능을 높였으며, 모든 주파수성분을 동시에 역산하지 않고 주파수 별로 순차적으로 역산하도록 수정하였다. 새로운 방법은 간단한 2 차원 단층모델에 적용하여 검증하였다. 가장 큰 개선점은 적분감도에 기초하여 결정한 가중계수를 모델변수에 도입한 점이다. 모델변수에 가중계수를 적용하면 평활화제약을 선택적으로 완화할 수 있기 때문에 영상화 재구성 시 잘못된 영상을 줄이는데 효과적이다. 다중 단일주파수 역산은 다중주파수 동시역산을 대치할 수 있으며, 특히 작은 주파수부터 먼저 사용하는 순차적인 단일주파수 역산은 계산효율면에서 유용하다.

• 산업기술연구
• /
• 제24권B호
• /
• pp.163-170
• /
• 2004

In this study, First, the results of travel-time inversion (first arrival inversion using the travel-time of the first arrival) were compared with those of full-wave inversion for numerical data. Numerical experiments to find key parameters other than initial velocity model showed that the frequency of source has a great effect on the result of full-wave inversion. Finally, this research presented the corrected full-wave inversion applying the correction term to the final result of full-wave inversion. The corrected full-wave inversion depicted cavities inside concretes even when the inversion started with 20% error in an initial velocity model for cavities. However, full-wave inversion did not reveal cavities.

• 지구물리와물리탐사
• /
• 제19권3호
• /
• pp.136-144
• /
• 2016

탄성파 자료의 역산은 파동방정식에 기초하고 있으므로 파동방정식의 해를 정확하게 구하는 것이 가장 중요하다. 특히, 전파형역산은 파동장 전체를 이용하기 때문에 정문제에 해당하는 모델링이 정확하게 이루어져야 신뢰할 수 있는 결과를 얻게 된다. 파동방정식의 수치해를 구하는 대표적인 기법인 유한차분법과 유한요소법은 해의 수렴성을 보장할 수 있어야 하는데, 해의 수렴성은 이론적으로 일반화된 증명이 되어 있으나 실제 문제에 적용할 경우 일관성과 안정성을 분석해야 한다. 모델링 결과의 일관성은 송신원 함수의 구현이 매우 중요한 부분인데, 유한차분법은 디랙 델타 함수(Dirac delta function)를 나타낼 때 격자 간격으로 표준화된 싱크 함수(sinc function)를 사용해야 하는 반면 유한요소법은 격자 간격에 관계없이 기저함수 값을 사용하면 된다. 주파수 영역 파동방정식을 사용할 경우 송신 파형 함수의 스펙트럼을 정확하게 표현하기 위해 샘플링 이론으로 정의되는 시간 간격보다 더 조밀한 샘플링 간격을 사용하고 나이퀴스트(Nyquist) 주파수보다 더 높은 주파수를 최대 주파수로 사용해야 한다. 또한, 복소 각주파수를 사용하는 경우 감쇠 파동방정식을 만족하기 위해서는 송신 파형 함수를 먼저 감쇠한 후 사용해야 한다. 이러한 요건들이 모두 만족되었을 때 신뢰할 수 있는 역산 알고리즘 개발이 가능하다.