• 지구물리와물리탐사
• /
• 제8권2호
• /
• pp.163-169
• /
• 2005

속도중합을 역산을 이용하면 탄성파 자료처리에서 있어서 다양한 처리가 가능하므로, 이 분야는 최근에 들어 매우 유용한 영역으로 주목을 받고 있다. 이러한 다양한 처리에 속도중합 역산을 응용하기 위해서는 사용하는 역산이 잡음에 강하면서도 고해상도의 속도중합 결과를 얻을 수 있어야 한다. 이러한 성질을 갖는 역산 방법들 중에서 가장 성공적인 방법 중의 하나라고 볼 수 있는 반복적 가중의 최소자승법(Iteratively Reweighted Least-Squares: IRLS)의 이론적 배경과 구현 방법을 소개하고, 기존 기술 특성과 한계성을 살펴보았다.

• 지구물리와물리탐사
• /
• 제8권2호
• /
• pp.170-176
• /
• 2005

속도중합의 역산을 이용하면 탄성파 자료처리에 있어서 다양한 처리가 가능하므로 이 분야는 최근에 들어 매우 유용한 영역으로 주목을 받고 있다. 하지만 다양한 처리에 적용하기 위해서는 사용되는 역산 방법이 잡음에 강하면서도 고해상도의 속도중합 결과를 만들 수 있어야 한다. 이러한 특성을 갖는 대표적인 역산에는 ${L_1}-norm$을 최소화시키는 IRLS(Iteratively Reweighted Least-Squares)방법을 주로 사용하였다. 본 논문에서는 이러한 성질을 갖는 또 다른 역산 방법의 하나로서 CGG (Conjugate Guided Gradient) 방법을 소개한다. CGG 방법은 반복적 최소자승법의 하나인 Conjugate Gradient (CG)방법을 변형시킨 형태로 ${L_1}-norm$을 최소화 시키는 역산법으로 활용할 수 있다. 본 논문에서는 CGG방법을 소개하고 기존의 IRLS방법과의 차이점 및 결과들을 비교하였다. 모의자료와 현장자료에 대한 실험결과를 통해서 CGG 방법이 IRLS방법과 마찬가지로 다양한 잔여/모델 norm을 최소화시키는 역산방법으로 사용될 수 있음을 보여준다.

• 지구물리와물리탐사
• /
• 제8권2호
• /
• pp.129-136
• /
• 2005

감쇠최소자승법은 각종 물리탐사 자료에 가장 널리 사용되는 역산법이다. 일반적으로 최소자승법에서 최소화되는 목적함수는 자료오차(data misfit)와 모델제한자의 합으로 주어진다. 따라서 역산에서 자료오차와 모델제한자는 함께 중요한 역할을 담당한다. 하지만 역산에 관한 대부분의 연구는 주로 모델제한자의 설정방법과 적절한 라그랑지 곱수의 선정방법에 치중되어 왔다. 일반적으로 자료획득시 자료가 갖는 표준편차를 자료가중값의 계산에 사용하는 것이 추천되고 있지만, 실제 현장조사에서는 자료의 표준편차는 좀처럼 측정되지 않으며, 대부분의 역산에서 자료가중행렬은 어쩔 수 없이 단위행렬로 간주된다. 본 논문에서는 자료분해능행렬과 그 분산함수를 분석하여 자동적으로 계산된 자료가중행렬을 사용하는 역산법을 개발하였다. EACB법이라 명명한 이 역산법에서는 분해능이 높은 자료에는 높은 가중값을, 작은 자료에는 작은 가중값을 부여한다. 개발된 EACB 역산법을 전기비저항 토모그피법에 적용한 결과, 보다 안정적이고 분해능이 향상된 결과를 얻을 수 있었다.

• 지구물리와물리탐사
• /
• 제10권2호
• /
• pp.147-153
• /
• 2007

CG (conjugate gradient) 법은 선형 연립방정식을 반복적으로 푸는 가장 효율적인 해법 중 하나이고, 또한 비선형 최소자승문제에도 적용할 수 있다. 자기지전류(MT) 역산 문제를 풀 때에는 최소자승문제의 목적함수 자체의 최소화에 직접 CG 법을 적용하거나, Gauss-Newton 법에 기초한 반복역산의 각 반복단계에서 모형의 변화량 계산에 CG 법을 이용할 수 있다. CG 법을 적용할 경우, 임의의 벡터에 대한 감도행렬의 영향 및 그 전치행렬의 전치행렬의 영향을 감도행렬을 직접 구하지 않고 계산할 수 있다는 장점이 있기 때문에 감도행렬의 계산 규모가 방대한 3차원 역산 문제에서 계산시간을 월등히 줄일 수 있다.

• 자원환경지질
• /
• 제14권3호
• /
• pp.193-201
• /
• 1981

수평다층(水平多層) 지질구조(地質構造)모델에 있어서 외견전기비저항곡선(外見電氣比抵抗曲線)의 자동해석(自動解析)에 최소자승법(最小自乘法)을 적용(適用)하여 보았다. 이 방법(方法)은 digital filtering 법(法)과 종합(綜合)된 damped least-squares algorithm으로 구성된 것으로서, 일반적(一般的)으로 사용(使用)되고 있는 curve-matching 법(法)보다 시간(時間)이 빠르고 정도(精度)도 높다는 것을 알게되었다. 이 반전법(反轉法)을 시험(試驗)하기 위해서 한개의 이론(理論)데이터와 3개의 현장탐사(現場探査) 결과(結果)를 선택(選擇)하여 해석(解析)하였다. 3층(層) 지질구조(地質構造)모델로부터 나오는 이론(理論)데이터의 해석(解析)을 통(通)하여 이 방법(方法)의 특징(特徵)을 파악(把握)할 수 있고, 또 종래(從來)의 Curve-matching법(法)에는 없는 명확(明確)한 특징(特徵)이 나타났다. 더우기 반전법(反轉法)의 유효성(有效性)은 현장탐사(現場探査) 결과(結果)의 해석(解析)에 의해서도 알 수 있었다. 그 때의 최적(最適) 지질구조(地質構造)모델은 시굴(試掘)로 확인(確認)된 지하구조(地下構造)와 일치(一致)함을 알 수 있었다.

• 지구물리와물리탐사
• /
• 제10권2호
• /
• pp.124-130
• /
• 2007

탄성파 역산에 있어서 가장 널리 사용되는 최소자승($l^2$ norm)해는 이상치(outlier)에 매우 민감하게 반응하는 경향이 있다. 이에 반해서 $l^1$ norm을 최소화하는 해는 이상치에 강인한 면을 보이나 일반적으로 좀 더 많은 계산이 필요하다. 반복적가중의 최소자승법(Iteratively reweighted least squares [IRLS] method)을 이용하면 이러한 $l^1$ norm 문제의 근사해(approximate solution)를 효율적으로 구할 수 있다. 본 논문에서는 작은 크기의 잔여분은 $l^2$ norm으로 처리하며, 큰 크기의 잔여분은 $l^1$ norm으로 처리하는 하이브리드 $l^1/l^2$ norm 최소화를 IRLS 방법에 쉽게 적용하는 구현 기법을 소개한다. 소개된 알고리즘은 특이치(singularity)처리를 위한 임계값의 결정에 민감하게 반응하는 기존의 $l^1$ norm IRLS 방법과는 달리 임계값 결정에 상관없이 늘 강인한 역산의 특성을 보여준다.

• 자원환경지질
• /
• 제28권4호
• /
• pp.433-438
• /
• 1995

The most popular minimization method is based on the least-squares criterion, which uses the $L_2$ norm to quantify the misfit between observed and synthetic data. The solution of the least-squares problem is the maximum likelihood point of a probability density containing data with Gaussian uncertainties. The distribution of errors in the geophysical data is, however, seldom Gaussian. Using the $L_2$ norm, large and sparsely distributed errors adversely affect the solution, and the estimated model parameters may even be completely unphysical. On the other hand, the least-absolute-deviation optimization, which is based on the $L_1$ norm, has much more robust statistical properties in the presence of noise. The solution of the $L_1$ problem is the maximum likelihood point of a probability density containing data with longer-tailed errors than the Gaussian distribution. Thus, the $L_1$ norm gives more reliable estimates when a small number of large errors contaminate the data. The effect of outliers is further reduced by M-fitting method with Cauchy error criterion, which can be performed by iteratively reweighted least-squares method.

• 한국지구물리탐사학회:학술대회논문집
• /
• 한국지구물리탐사학회 2005년도 공동학술대회 논문집
• /
• pp.227-232
• /
• 2005

탄성파 역산에 있어서 최소자승(${\ell}^2-norm$)해는 큰 오차에 매우 민감하게 반응하는 경향이 있다. 이에 반해서 ${\ell}^p-norm$ ($1{\le}p<2$)을 최소화하는 해는 잡음에 강인한 해를 보이나 보통은 좀 더 많은 계산이 요구된다. 반복적가중의 최소자승법(Iteratively reweighted least squares [IRLS] method)은 이러한 ${\ell}^p-norm$ 문제의 근사해를 효율적으로 구할 수 있도록 해준다. 본 논문에서는 작은 크기의 잔여분은 ${\ell}^2-norm$으로 큰 크기의 잔여분은 ${\ell}^2-norm$으로 적용되는 하이브리드 ${\ell}^1/{\ell}^2$최소화를 IRLS 방법에 쉽게 적용하는 기법을 소개한다. 모의 자료와 실제 현장자료에의 적용결과 큰 잡음이 포함된 경우 최소자승해보다 하이브리드 방법의 경우에 개선된 결과를 보임을 확인할 수 있었다.

• 한국지구물리탐사학회:학술대회논문집
• /
• 한국지구물리탐사학회 2007년도 공동학술대회 논문집
• /
• pp.118-123
• /
• 2007

A robust objective function in the frequency domain is applied to the acoustic full waveform inversion. The proposed objective function is defined as $l_1$-norm of residual wavefields in the frequency domain. Generally, the full waveform inversion is extremely sensitive to a number of factors such as parameterization, initial model, noise and so on. The numerical tests were performed for checking the sensitivity to attenuation and several noises. For the comparison with other objective functions, the conventional least-squares method and the logarithmic method were tested under the same condition. The synthetic data examples show that the proposed algorithm is more robust than the well-known methods.

• Journal of the Korean Data and Information Science Society
• /
• 제18권1호
• /
• pp.51-61
• /
• 2007

Ridge regression (RR), principal component regression (PCR) and partial least squares regression (PLS) are among popular regression methods for collinear data. While RR adds a small quantity called ridge constant to the diagonal of X'X to stabilize the matrix inversion and regression coefficients, PCR and PLS use latent variables derived from original variables to circumvent the collinearity problem. One problem of PCR and PLS is that they are very sensitive to overfitting. A new regression method is presented by combining RR and PCR and PLS, respectively, in a unified manner. It is intended to provide better predictive ability and improved stability for regression models. A real-world data from NIR spectroscopy is used to investigate the performance of the newly developed regression method.