• 지구물리와물리탐사
• /
• 제25권4호
• /
• pp.203-213
• /
• 2022

탄성파 탐사 자료의 영상화를 통해 지층의 구조를 파악하기 위해서는 지하 매질의 탄성파 속도 정보가 필수적이다. 지하 매질의 속도를 추정하기 위해 전파형역산(Full waveform inversion) 기술이 주목을 받고 있지만 3차원 전파형역산은 방대한 컴퓨터 자원과 계산 시간이 요구된다. 본 연구에서는 3차원 음향 전파형역산과 2차원 음향 전파형역산의 계산 성능과 정확성을 비교하고, 회절각 필터링 기술을 이용한 주파수영역 2차원 전파형역산을 통해 2차원 근사의 한계점을 일부 보완할 수 있음을 확인한다. 큰 반사각도의 성분만을 이용하는 회절각 필터링 기술을 적용하여, 3차원 탐사자료를 통해 2차원으로 근사할 때 문제가 될 수 있는 2차원 단면을 벗어난 지역으로부터의 반사파의 영향을 줄이고, 3차원 전파형역산과 구조보정에 필요한 장파장 속도구조를 구축할 수 있을 것으로 기대한다.

• 지구물리와물리탐사
• /
• 제25권4호
• /
• pp.177-188
• /
• 2022

최근 이산화탄소 지중저장 모니터링 기술 중 하나인 미소진동 모니터링 기술에 대한 관심이 증가하면서 과거에 주로 사용되었던 지오폰이나 지진계가 아닌 분포형 광섬유 센서(distributed acoustic sensing, DAS)의 적용도 증가하고 있다. 특히 DAS를 이용하여 모니터링을 수행하면 시×공간적으로 거의 연속된 자료가 기록되게 되어 자료의 양이 방대해지게 되고 빠르고 정확한 자료 처리가 중요하게 된다. 자료처리 중 이벤트 탐지 및 위상 발췌는 가장 기초적인 과정으로 모든 자료에 대해 필수적으로 수행되어야 한다. 이 논문에서는 기계학습 기반의 P, S파 위상 발췌 알고리즘을 개발하여 전통적인 위상 발췌 방법의 한계를 보완하고, 전이학습 방법을 이용하여 신호 대 잡음비가 낮은 단일 성분 자료만 존재하는 DAS 자료에도 적용이 가능하도록 하였다. 사용된 기계학습 모델은 위상 발췌에 뛰어난 성능을 보이는 합성곱 신경망 기반의 EQTransformer를 ResUNet의 특성을 포함하도록 수정하여 구성하였다. 훈련자료는 전세계적으로 기록된 지진파형 자료인 STEAD자료를 이용하였고 학습 자료에 포함되지 않은 특성들에 대해서도 좋은 성능을 보이도록 기본 자료를 다양하게 변형시킨 자료도 학습에 사용하였다. 개발된 알고리즘은 학습자료와 다른 특성을 갖는 K-net 및 KiK-net 자료에 의해 성능이 검증되었다. 또한, 전이 학습을 통해 DAS 자료의 특성에 맞게 변형시킨 후 포항 장기분지에서 측정된 DAS자료에 적용시켜 그 성능을 검증하였다.

• 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.

• 지질공학
• /
• 제32권1호
• /
• pp.13-26
• /
• 2022

본 연구는 방해석 내 쌍정을 이용하여 조선누층군 풍촌석회암층의 고응력장을 규명하기 위함이다. 이를 위해 조선누층군 두위봉형의 풍촌석회암에서 6개의 시료를 채취하여 방해석 c-축의 방향 및 경사, e 쌍정면의 방향 및 경사, 쌍정의 평균 두께 및 갯수, 방해석 입자의 크기 등을 측정하였다. 측정된 자료들은 Calcite Strain Gauge 프로그램에 입력되어 쌍정의 변형률, 평균 두께, 치밀도 및 고응력장의 상대적 크기 및 방향 등을 계산하였다. 쌍정의 변형률은 1.09~15.36%, 평균 두께는 0.53~3.72 ㎛, 치밀도는 21.0~53.1 twin/mm의 범위를 보인다. 쌍정의 변형률, 치밀도 및 두께에 의한 변성온도 계산결과 대부분의 시료에서 170~200℃ 이하를 보여, 풍촌층의 상부층인 직운산층의 변성온도에 비교할 때 최대 심도의 절반 이상 상승한 후에 쌍정이 생성된 것으로 판단된다. 응력장의 방향은 5개의 시료에서 2방향을 보이는 반면, 단지 1개의 시료에서만 한 방향을 보여 대부분의 시료에서 압축응력이 2번 이상 작용하였음을 보여준다. 압축응력은 WNW-ESE~ENE-WSW의 방향성이 가장 우세하고 NW-SE와 NE-SW의 방향성도 보인다. 본 연구에서 측정된 고응력장과 연구지역 인근에서 지질구조나 다른 방법에 의하여 규명된 고응력장과 비교할 때 E-W 방향의 고응력장은 트라이아스기 말에서 쥬라기 초에 발생한 송림조산운동에 가장 큰 압축응력이 작용하였고 쥬라기에 발생한 대보조산운동과 불국사 변동에 의해서도 쌍정이 생성된 것으로 판단된다.

• 광물과 암석
• /
• 제36권3호
• /
• pp.213-220
• /
• 2023

본 연구에서는 고압 환경에서 합성된 결정 입자의 크기에 원시료(starting materials)의 상(phase)이 미치는 영향을 확인했다. 상이 다른 두 가지 원시료인 비정질 시료와 나노파우더 시료를 이용해 알루미늄이 부화된 고압의 환원환경에서 삼원계 시스템인 브리지마나이트-페리클레이스-칼슘 페라이트(calcium ferrite)상의 MgAl₂O₄을 합성했다. 시료는 40 GPa 2000 K의 압력온도 조건에서 20 시간 동안 가열하여 합성했다. 합성된 시료는 비정질 시료를 이용한 경우 입자 크기가 50-200 nm였으며, 나노파우더를 이용한 경우 ~500 nm로 나타났다. 이러한 차이는 1) 시료가 합성된 2000 K의 온도가 낮아 비정질 시료의 경우 결정 성장보다 결정핵 성장이 더 우세하게 나타났거나 2) 시료에 존재할 수 있는 산화 환원반응 상태의 차이로 생각된다. 추후 다원계 시스템에 대한 고압 실험을 수행할 때 비정질 시료보다 나노파우더를 원시료로 이용하는 것이 결정 성장에서 더 유리할 것으로 생각된다.

• 지구물리와물리탐사
• /
• 제26권4호
• /
• pp.171-184
• /
• 2023

최근 도심지 도로에서 빈번하게 발생하는 도로 파임의 주원인인 지하 공동의 발생을 파악하기 위해, 차량 부착형 지표투과레이더(GPR)를 통해 얻은 대량의 취득 자료를 효율적으로 처리하기 위한 기계학습 기반 공동 탐지 기술이 활발하게 연구되고 있다. 그러나 기계학습 자료 생성 시 단순한 영상 처리 기법들만 활용되고 있고, 탄성파 탐사나 GPR 자료 처리에 시도되었던 여러 기법들은 충분히 활용되지 못하고 있다. 이 연구에서는 지하 공동의 탐지가 대부분 회절파의 탐지에 의해 이루어진다는 점에 착안하여 GPR 자료로부터 회절파를 분리하여 YOLO v5 모델을 이용한 도로 하부 공동 탐지 모델의 성능을 향상시켰다. 탄성파에서 개발된 기계학습 기반 회절파 분리 기법을 GPR 자료에 맞게 변형한 후, GPR 현장 자료에서 회절파를 분리하여 공동 탐지 모델의 입력으로 사용하였다. 서울시 공공 개방 GPR 자료를 이용하여 제안된 방법의 성능을 검증한 결과, 회절파 분리를 이용했을 때 더 정확하게 공동 및 지하 구조물을 탐지하는 것을 확인하였다. 또한 제안된 회절파 분리 기법은 향후 GPR 탐사가 이용되는 다양한 분야에서 활용될 수 있을 것으로 기대된다.

• 지구물리와물리탐사
• /
• 제26권4호
• /
• pp.229-237
• /
• 2023

도심지에서 화약, 기계적 진동 등의 인공 송신원을 이용할 경우 진동 및 소음으로 인한 민원발생으로 탄성파탐사에 어려움이 있다. 인공 송신원의 대안으로 교통차량의 진동에 의해 발생하는 표면파를 이용하여 도심 지하 천부의 물성을 파악할 수 있다. 그러나 교통차량 진동은 일정 속도로 연속적으로 이동하는 평면파의 형태를 하고 있어, 기존의 표면파 처리 및 역산 기법을 적용하기 위해서는 탄성파 간섭법을 적용하여 교통차량 진동 자료를 점-송신원 형태의 가상공통송신원모음으로 변환시켜야 한다. 본 연구에서는 교통차량 진동 자료에 다양한 탄성파 간섭법을 적용하고, 타우-피 및 주파수-파수 영역에서 그 결과를 비교하여 최적의 탄성파 간섭법을 도출하였다. 또한, 다양한 방향의 수진기 배열로 취득된 자료들에 대해 탄성파 간섭법을 적용하고, 그 결과들을 비교 및 분석하여 탐사에 가장 적합한 수진기 배열 방향을 도출하였다.

• 지구물리와물리탐사
• /
• 제26권4호
• /
• pp.185-198
• /
• 2023

해양 탄성파 탐사 수행 시 송·수신 케이블의 구조적인 거리차에 의해서 필연적으로 발생하는 가까운 벌림(near offset)의 트레이스(trace)빠짐은 뒤따르는 탄성파 자료처리의 결과 및 영상화에 악영향을 끼치게 된다. 특히 가까운 벌림의 자료의 부재는 정확한 탄성파 영상화를 저해하는 다중반사파의 제거에 주요한 인자로 작용하므로 다중반사파의 영향력이 강해지는 천해 및 연안 탐사의 경우 빠짐을 효과적으로 해결해야 한다. 전통적으로 다양한 라돈 변환(Radon transform) 기반의 내삽 방법들이 가까운 벌림 빠짐의 해결책으로 제시되어왔으나 여러 한계점을 보여, 최근 이를 보완하기 위한 딥러닝(deep learning) 기반의 방법들이 제시되고 있다. 이 논문에서는 기존에 제시된 두 가지의 대표적인 딥러닝 기반의 접근법에 대해 면밀히 분석하여 앞으로 가까운 벌림 내삽 연구가 해결해야 하는 문제점들에 대해 깊이 있게 논의한다. 또한 기존의 딥러닝 기반의 트레이스 내삽 기술을 가까운 벌림 상황에 적용할 때 나타나는 한계점을 현장자료 실험을 통해 명확히 분석하여 향후 가까운 벌림 자료 빠짐의 문제는 내삽이 아닌 외삽으로 접근해야 한다는 것을 보여준다.

• 지구물리와물리탐사
• /
• 제26권4호
• /
• pp.211-228
• /
• 2023

방조제의 모니터링에는 지구물리학적 비파괴 검사인 GPR (Ground Penetrating Radar) 탐사가 주로 이용된다. GPR 반응은 상황에 따라 복잡한 양상을 보이므로 자료의 처리와 해석은 전문가의 주관적 판단에 의존하며, 이는 오 탐지의 가능성을 불러옴과 동시에 시간이 오래 걸린다는 단점이 있다. 따라서 딥 러닝을 이용하여 GPR 탐사자료의 공동을 탐지하는 다양한 연구들이 수행되고 있다. 딥 러닝 기반 방법은 데이터 기반 방법으로써 풍부한 자료가 필요하나 GPR 탐사의 경우 비용 등의 이유로 학습에 이용할 현장 자료가 부족하다. 따라서 본 논문에서는 데이터 증강 전략을 이용하여 딥 러닝 기반 방조제 GPR 탐사자료 공동 탐지 모델을 개발하였다. 다년간 동일한 방조제에서 탐사 자료를 사용하여 데이터 세트를 구축하였으며, 컴퓨터 비전 분야의 객체 탐지 모델 중 YOLO (You Look Only Once) 모델을 이용하였다. 데이터 증강 전략을 비교 및 분석함으로써 최적의 데이터 증강 전략을 도출하였고, 초기 모델 개발 후 앵커 박스 클러스터링, 전이 학습, 자체 앙상블, 모델 앙상블 기법을 단계적으로 적용하여 최종 모델 도출 후 성능을 평가하였다.

• 지구물리와물리탐사
• /
• 제27권1호
• /
• pp.1-22
• /
• 2024

2050 탄소중립을 달성하기 위해 현재 전 세계적으로 이산화탄소 포집·활용·저장(Carbon Dioxide Capture Utilization and Storage, CCUS) 기술이 주목받으면서, 북미, 북해, 중동, 오세아니아 지역을 중심으로 다양한 대규모 이산화탄소 포집·저장(Carbon Dioxide Capture and Storage, CCS) 사업이 활발하게 추진되고 있다. 2050년까지 연간 3,000만 톤급의 국내 저장소 확보가 중요한 국내 상황을 고려하여, 판구조론적 관점에서 해외 대규모 이산화탄소 저장소의 형성 과정과 지질구조 특징을 분석하고자 한다. 이를 위하여 해외 대규모 CCS 프로젝트를 개발 중인 북미, 북해, 오세아니아, 중동 지역의 이산화탄소 저장소의 형성 과정을 GPlates 프로그램을 활용하여 판구조론적인 관점으로 해석하였다. 또한, 각 지역을 대표하는 지중저장소에 대한 탄성파 영상화 결과를 지질구조적 측면에서 해석함으로써, 향후 국내 대규모 저장소 탐사에 활용할 수 있다.