• 지구물리와물리탐사
• /
• 제25권1호
• /
• pp.26-37
• /
• 2022

최근의 정보기술발달에 힘입어 소형 무인 비행체를 활용한 각종 물리탐사 방법들이 제안되고 그 해석방법들에 대한 연구가 소개되고 있다. 이 연구에서는 한국지질자원연구원에서 개발 중인 송수신 분리형 무인 항공 전자탐사 장비를 소개하고 획득한 자료의 타당성 검증을 위해 수행된 시험자료를 분석하여 해석하는 방법을 제안하는 연구를 수행하였다. 특히, 수신기가 드론에 매달린 채로 탐사가 수행되기 때문에 발생되는 흔들림 성분의 영향을 고찰하고 회전변환을 이용하여 보정하였다. 한편, 비행체에 의한 탐사는 송수신기 간의 거리, 고도 등 여러 탐사 변수들이 실시간으로 변하게 되고 획득한 자료는 지상 탐사보다 더 많은 잡음을 포함하게 되어 전통적인 해석방법으로의 해석에 많은 어려움이 따른다. 따라서, 이 연구에서는 획득한 전자탐사자료를 이용하여 빠르게 겉보기 비저항을 예측할 수 있는 순환 인공 신경망 모델을 구축하였으며, 현장자료의 분석을 통해 얻어진 잡음들을 수치모델링을 통해 생성한 학습자료에 포함시켜 잡음이 포함된 자료의 예측성능을 향상시켰다. 학습된 순환 신경망 모델을 시험탐사 현장자료에 적용시킨 결과 지상탐사 및 전기비저항 탐사 결과와 유사한 겉보기 비저항을 예측함을 확인하였다.

• 지구물리와물리탐사
• /
• 제25권1호
• /
• pp.14-25
• /
• 2022

수동 표면파 탐사는 인공 송신원 없이 생활잡음 또는 자연 발생 소음 등을 송신원으로 이용해 탄성파 신호를 측정한다. 수동 송신원은 낮은 진동수 대역에서 발생하기 때문에 수동 표면파 탐사는 일반적인 능동 탐사법 보다 더 깊은 심도의 지질 정보를 확보할 수 있어 심부 부지 평가 분야에 많이 활용되고 있다. 수동 표면파 탐사 자료는 능동 표면파 탐사 자료 해석과 마찬가지로 자료 획득 후 진동수 분산곡선을 구하여 1차원으로 가정한 속도구조를 해석한다. 하지만 수동 표면파 탐사 자료는 송신원이 무작위로 발생한다는 특성 때문에 여러 수신기에서 측정된 신호들의 공간자기상관을(spatial autocorrelation) 이용해 수신 자료들의 일관성(coherence) 곡선을 구하고 이로부터 분산곡선을 구하게 된다. 이 기술보고에서는 수동 표면파 탐사 이론, 탐사 방법, 자료처리 기법을 살펴보고 실제 적용 사례를 분석한다.

• 지구물리와물리탐사
• /
• 제24권4호
• /
• pp.180-193
• /
• 2021

복소 전기비저항 탐사기법은 진동수 영역에서 전기비저항과 위상을 측정하여 지하 매질의 다양한 특성정보를 획득할 수 있는 탐사기법으로 최근 그 활용성이 증가하고 있다. 이 논문에서는 복소 전기비저항 탐사기법의 활용성을 높이기 위하여 획득한 자료에 대한 3차원 역산 알고리듬을 개발하였다. 이를 위한 모델링에는 전자기 커플링 효과를 무시하는 경우에 적용할 수 있는 포아송 방정식을 적용하였으며, 역산에는 기존의 평활화된 역산법을 복소수로 확장하는 방법으로 알고리듬을 개발하였다. 역산의 안정성 및 현장자료의 적용성을 높이기 위하여 라그랑지 곱수를 역산 과정에서 오차 벡터와 모델 증분 벡터의 크기에 따라 자동적으로 조정되도록 하는 기법을 도입하였다. 또한, 잡음이 많이 포함된 위상자료로 인한 자료의 손실을 보완하기 위하여 역산반복 단계에서 초반부는 전기비저항 자료만을, 후반부는 전기비저항 자료와 위상 자료를 모두 역산하는 두 단계로 구성된 역산기법을 제시하였다. 수치 모형실험에 대한 역산 시험결과 안정적인 역산 결과를 얻을 수 있었으며, 개발된 3차원 역산 알고리듬을 국내 천열수 광산 인근에서 수행한 복소 전기비저항 탐사자료 해석에 적용하여 그 타당성을 확인하였다.

• 지구물리와물리탐사
• /
• 제25권2호
• /
• pp.59-70
• /
• 2022

최근의 연구들을 통해 기계학습은 탄성파 해석 분야에 그 적용 범위를 확장하고 있으며, 탄성파 해석에서 중요한 탄성파 층서 구분을 수행하는 합성곱 신경망들의 개발도 수행되었다. 하지만 지도 학습의 경우 대량의 학습 자료가 필요하며, 비용과 시간의 한계로 탄성파 층서구분의 지도학습은 학습 자료의 부족이 문제가 될 수 있다. 이번 연구에서는 자료 부족 문제를 보완하기위해 탄성파 단면에 패치 분할과 자료증강을 적용하였다. 또한 패치 분할로 손실될 수 있는 공간정보를 제공하기 위해 깊이를 고려할 수 있는 인공 채널을 생성하여 추가하였다. 실험을 위한 학습 모델로 U-Net을 사용하였으며, 층서 구분을 위한 학습 자료가 제공되는 F3 block 자료를 이용하여 학습과 예측 결과에 대한 평가를 수행하였다. 분석 결과 자료증강과 인공 채널의 추가로 패치 기반의 층서 구분 학습 모델을 개선할 수 있음을 확인하였다.

• 지구물리와물리탐사
• /
• 제25권3호
• /
• pp.129-139
• /
• 2022

초고해상 탄성파 탐사를 위한 아날로그 기반의 스트리머는 수중에서의 추가적인 잡음 유입이 가능하며 상호 연결을 통한 규격 확장이 불가능하다. 국내 연구기관 등을 중심으로 외산 디지털 스트리머가 도입되어 활용되고 있으나 비용이 높으며 원활한 유지보수가 어렵다. 이에 본 연구에서는 천부 지질구조에 대한 높은 해상도의 영상화가 가능한 초고해상 디지털 스트리머 국산화 연구를 진행하였다. 연구개발을 통하여 최대 64채널 데이터에 대한 24 bit급 10 kHz 디지털 샘플링이 가능한 디지털 스트리머가 개발되었다. 시스템의 다양한 정량적인 규격은 벤치마크 모델인 지오메트릭스(Geometrics)사의 지오일 스트리머에 근접하게 설계되어 개발이 이루어졌고 시스템을 구성하는 모듈의 개수를 대폭 축소함으로써 개발 비용을 절감하고 간편한 활용이 가능하도록 하였다. 본 연구를 통해 개발된 스트리머 시스템은 2022년 4월 포항 영일만항 인근해역에서 이루어진 실 해역 시험을 통하여 현장 적용성에 대한 검토가 이루어졌다.

• 지구물리와물리탐사
• /
• 제25권3호
• /
• pp.99-108
• /
• 2022

유도분극(induced polarization; IP) 탐사 중 광대역 혹은 빛띠(spectral) IP (SIP) 탐사법에서는 교류 전류를 송신원으로 하였을 때 나타나는 매질의 진동수에 따른 복소전기비저항의 크기와 위상을 측정하며, 진동수에 따라 값이 변화하는 복소전기비저항의 분산 혹은 이완 반응을 분석하게 된다. 이때 분산곡선은 등가회로 모델과 같은 이완 모델을 통해 설명할 수 있는데, 다중목적함수 최적화 기법을 적용하여 분산곡선에서 SIP 이완모델의 변수들을 예측해보았다. SIP 이완현상을 설명하기 위해 가장 많이 이용되는 Cole-Cole 모델 계열의 변수를 구하기 위해 크기 오차와 위상 오차를 최소화하는 두 가지 목적함수로 설정하고 다중목적함수를 최적화하기 위해 유전 알고리듬을 이용하였다. 다중목적함수 최적화 기법을 이용한 Cole-Cole 모델 변수 구하기는 수치 모델에 대해서는 잘 구해졌으나 기존에 보고된 SIP 실내실험 자료에 피팅할 경우, 주로 위상 크기가 작을 때(약 10 mrad 이하) 피팅이 맞지 않는 경우가 많았다. 이는 다중목적함수로 사용하는 크기와 위상의 자료 오차 사이에 스케일이 맞지 않아 발생하는 한계로 추정되며, 향후 복소전기비저항의 분산 곡선에서 SIP 변수를 예측하기 위해 이러한 한계를 극복할 수 있는 기계 학습 등 다양한 기법들에 대한 연구가 필요할 것으로 판단된다.

• 지구물리와물리탐사
• /
• 제25권3호
• /
• pp.140-161
• /
• 2022

탄성파 탐사 자료 획득 시 자료의 일부가 손실되는 문제가 발생할 수 있으며 이를 위해 자료 보간이 필수적으로 수행된다. 최근 기계학습 기반 탄성파 자료 보간법 연구가 활발히 진행되고 있으며, 특히 영상처리 분야에서 이미지 초해상화에 활용되고 있는 CNN (Convolutional Neural Network) 기반 알고리즘과 GAN (Generative Adversarial Network) 기반 알고리즘이 탄성파 탐사 자료 보간법으로도 활용되고 있다. 본 연구에서는 손실된 탄성파 탐사 자료를 높은 정확도로 복구하는 보간법을 찾기 위해 CNN 기반 알고리즘인 U-Net과 GAN 기반 알고리즘인 cWGAN (conditional Wasserstein Generative Adversarial Network)을 탄성파 탐사 자료 보간 모델로 사용하여 성능 평가 및 결과 비교를 진행하였다. 이때 예측 과정을 Case I과 Case II로 나누어 모델 학습 및 성능 평가를 진행하였다. Case I에서는 규칙적으로 50% 트레이스가 손실된 자료만을 사용하여 모델을 학습하였고, 생성된 모델을 규칙/불규칙 및 샘플링 비율의 조합으로 구성된 총 6가지 테스트 자료 세트에 적용하여 모델 성능을 평가하였다. Case II에서는 6가지 테스트 자료와 동일한 형식으로 샘플링된 자료를 이용하여 해당 자료별 모델을 생성하였고, 이를 Case I과 동일한 테스트 자료 세트에 적용하여 결과를 비교하였다. 결과적으로 cWGAN이 U-Net에 비해 높은 정확도의 예측 성능을 보였으며, 정량적 평가지수인 PSNR과 SSIM에서도 cWGAN이 높은 값이 나타나는 것을 확인하였다. 하지만 cWGAN의 경우 예측 결과에서 추가적인 잡음이 생성되었으며, 잡음을 제거하고 정확도를 개선하기 위해 앙상블 작업을 수행하였다. Case II에서 생성된 cWGAN 모델들을 이용하여 앙상블을 수행한 결과, 성공적으로 잡음이 제거되었으며 PSNR과 SSIM 또한 기존의 개별 모델 보다 향상된 결과를 나타내었다.

• 지구물리와물리탐사
• /
• 제25권3호
• /
• pp.109-119
• /
• 2022

초고해상 3차원 탄성파 탐사를 통하여 취득된 자료는 수백 Hz 이상의 높은 주파수 대역에 의하여 수치 모델링에 기반 한 역시간 구조보정의 계산효율성이 확보되지 않는다. 이에 본 연구에서는 초고해상 탐사자료를 활용하여 고품질의 3차원 지질구조를 효율적으로 도출할 수 있는 역시간 구조보정 프로그램을 개발하였다. 우리는 전통적인 3차원 역시간 구조보정 프로그램의 메모리 사용량 및 계산시간을 대폭 축소하기 위하여 음원 파동장의 최대 진폭만을 저장하여 영상화를 수행하는 여기진폭 기법과 연산 영역을 음원과 수신기가 위치한 최소한의 영역인 로컬 도메인으로 제한하는 기법을 적용하였다. 본 연구를 통해 개발된 프로그램은 2019년에 한국지질자원연구원에서 획득한 초고해상 3차원 탄성파 탐사 자료에 대하여 수평방향 격자 크기가 1 m인 3차원 구조보정 영상을 성공적으로 도출하였으며 지질학적인 해석이 수행되었다.

• 지구물리와물리탐사
• /
• 제26권1호
• /
• pp.8-17
• /
• 2023

해양 환경에서의 기포는 바람, 파도, 선박 및 해저 가스 누출을 포함한 여러 요인에 의해 생성된다. 수중에서의 기포는 강력한 산란 신호를 생성하여 음향 신호를 측정하는데 영향을 미친다. 이러한 기포의 특성은 음파 신호의 세기를 감쇠시켜 소음 차단 목적으로 주로 이용되고 있으며, 최근에는 해저에서 대규모로 누출되는 메탄가스 탐지를 위한 연구가 진행되고 있다. 이러한 가스 누출은 기포플룸의 형태를 취하며, 기포의 물리적 특성과 분포 구조를 이해하는 것은 누출된 가스를 기후 변화와 연관성을 파악하는데 중요한 요소 중 하나이다. 본 연구에서는 탄성파 영상화 기법을 이용하여 기포플룸의 분포를 추정하고자 수조환경에서 실험을 수행하였으며, 별도로 제작된 인공기포 발생기, 자료 취득 시스템을 이용하여 기포에 의한 음향 신호를 취득하였다. 기포플룸을 영상화하기 위해 지진파 영상기법 중 역시간 구조보정을 이용하였으며, 획득한 음향 신호의 포락선 신호를 이용하여 기포 분포 패턴을 효과적으로 추정하였다. 영상화 결과의 검증을 위해 추정된 기포플룸의 분포와 광학카메라 영상을 비교하였다. 실험결과 탄성파 영상화 기법 통해 인공 기포플룸의 산란신호를 이용한 영상화가 가능함을 확인하였다.

• 지구물리와물리탐사
• /
• 제26권3호
• /
• pp.114-125
• /
• 2023

편미분방정식의 해를 구하기 위한 여러 수치해법들의 한계와 순수 데이터 기반 기계학습의 단점을 극복하기 위해 물리정보신경망(physics-informed neural network, PINN)이 제안되었다. 물리정보신경망은 편미분방정식을 손실함수 구성에 직접 활용하여 기계학습 훈련에 물리적 제약을 주는 기법으로 파동방정식 모델링에도 활용될 수 있다. 그러나 물리정보신경망을 이용하여 파동방정식을 풀기 위해서는 신경망 훈련 시 입력에 대한 2차 미분이 수행되어야 하고, 그 결과로 출력되는 파동장은 복잡한 역학적 현상들을 포함하고 있어 섬세한 전략이 필요하다. 이 해설 논문에서는 물리정보신경망의 기본 개념을 설명하고 파동방정식 모델링에 활용하기 위한 고려사항들에 대해 고찰하였다. 이러한 고려사항에는 공간좌표 정규화, 활성함수 선정, 물리손실 추가 전략이 포함된다. 훈련자료의 공간좌표를 정규화한 후 사용하면 파동방정식 모델링을 위한 신경망 훈련에서 초기 조건이 더 정확하게 반영되는 것을 수치 실험을 통해 보였다. 또한 신경망을 통한 파동장 예측에 가장 적절한 활성함수를 선정하기 위해 여러 함수들의 특성을 비교했다. 특성 비교는 각 활성함수들의 입력자료에 대한 미분과 수렴성을 중심으로 이루어졌다. 마지막으로 신경망 훈련 중 손실함수에 물리손실을 추가하는 두가지 시나리오의 결과를 비교하였다. 수치 실험을 통해 훈련 초기부터 물리손실을 활용하는 전략보다 초기 훈련단계 이후부터 물리손실을 적용하는 커리큘럼 기반 학습전략이 효과적이라는 결과를 도출했다. 추가로 이 결과를 물리손실을 전혀 사용하지 않은 훈련 결과와 비교하여 PINN기법의 효과를 확인하였다.