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.
탄성파 탐사자료의 획득 시, 기계적인 결함이나 지형적인 접근성 등으로 인하여 자료를 부분적으로 획득하지 못하거나, 해상 탐사의 경우 스트리머의 간격으로 인하여 공간적인 알리아싱(aliasing)이 발생할 수 있다. 이러한 불규칙하고 공간적인 알리아싱이 존재하는 자료는 추후 탄성파 자료처리과정에서 문제를 일으키게 된다. 만약, 정확하고 효율적인 내삽(interpolation) 기법을 보유하고 있다면, 이러한 문제를 해결할 수 있으며, 나아가 탐사를 수행할 때 송신원 또는 수신기의 수를 줄일 수 있으므로 탐사의 시간 및 비용이 줄어들게 된다. 여러 내삽 방법들 중 Matching Pursuit 기법을 이용한 내삽 방법은 고르기(sampling)의 형태와 상관없이 적용이 가능하다는 장점을 가지고 있다. 그러나 정현파 함수(sinusoidal function)을 기저함수로 이용하는 경우, 공간적인 알리아싱이 존재하는 탄성파자료에 적용시 정확한 내삽이 불가능하다는 한계를 지니고 있다. 따라서 본 연구에서는 공간적인 알리아싱의 문제를 해결하기 위하여, 정현파 함수가 아닌 요소파(wavelet)를 기저함수로 이용하는 요소파 기반의 Matching Pursuit 기법을 개발하였다. 또한, L-2 norm을 이용한 기존의 방법과 달리, 내적을 이용하여 내삽의 수행속도를 향상시켰다.
MWNI (Minimum Weighted Norm Interpolation)를 이용한 내삽 방법은 고차원으로 확장이 용이하고 상대적으로 계산 속도가 빠르다는 장점을 가지고 있으나 알리아스 효과가 존재하는 자료의 내삽에 취약하다. 이런 문제의 개선을 위해 제안된 방법이 모델제약(model-constrained) MWNI이다. 이 논문에서는 MWNI를 이용한 방법과 모델제약 MWNI 방법의 두가지 모듈을 개발한 후 알리아스 효과가 존재하는 자료의 내삽 결과를 비교하였다. 시공간 영역(t-x domain)과 주파수-파수 영역(f-k domain)의 결과 그림을 통해서 모델제약 MWNI를 적용했을 때의 결과가 더 효과적임을 확인할 수 있었다. 동해 울릉분지의 가스 하이드레이트 부존 지역의 현장 자료에 내삽을 적용한 결과, 가스침니 구간 전후로 진폭이 급격하게 변하는 자료에서도 내삽이 가능함을 확인할 수 있었다. 또한 매우 불규칙하고 넓은 구간에서 누락된 인공지진파 자료의 정규화를 통해 신호의 연결성 향상이 가능함을 보일 수 있었다. 결과적으로 이 논문에서 개발된 모듈은 현장의 다양한 여건에 의해 불규칙하거나 넓은 간격으로 얻어진 탄성파 자료의 정규화나 내삽에 효율적으로 활용될 수 있음을 확인하였다.
최근에 활발히 적용되고 있는 머신러닝 기반 탄성파 내삽 기법들은 대부분 모음 자료를 2차원 영상화 하여 빠짐을 채우는 방법으로 하는 훈련(training)-추론(inference) 전략에 기초하므로 완벽히 채워진 다수의 모음자료가 훈련을 위해 필요하게 된다. 이 연구는 이와는 달리 트레이스 기반 내삽을 수행하는 내삽 기술의 훈련-추론 전략을 기본으로, 불규칙한 빠짐이 있는 현장자료 만을 이용하여 훈련-추론을 모두 수행할 수 있는 머신러닝을 이용한 트레이스 기반 불규칙한 빠짐의 내삽 기술을 제시하였다. 이 연구에서는 불규칙한 빠짐이 있는 자료를 훈련과 추론에 체계적으로 사용하는 최대 연속빠짐 간격에 따라 정해지는 네트워크를 구성하는 방법 및 훈련하는 방법을 기술하였다. 또한, 서호주 Exmouth Sub-basin 지역의 Vincent 유전에서 얻어진 시간 참반사 보정된 탄성파 자료에 개발된 방법을 적용한 후, 예측 결과를 전통적인 내삽 방법의 결과와 비교 및 분석하였다. 신호대잡음비나 구조유사성과 같은 정량적인 지표를 통해 두 방법 모두 내삽 성능이 높은 것을 확인하였으며, 모든 주파수 대역에서도 골고루 좋은 결과를 보임을 확인하였다.
탄성파 탐사를 수행할 때 경제적, 환경적 제약 또는 탐사 장비의 문제 등에 의해 탄성파 자료의 일부가 규칙적 또는 불규칙적으로 손실되는 경우가 발생하게 된다. 이러한 자료 손실은 탄성파 자료 처리와 해석 결과에 부정적인 영향을 주기 때문에 사라진 탄성파 자료를 복원할 필요가 있다. 탄성파 자료 복원을 위해 재탐사 또는 추가적인 탐사를 진행하는 경우 시간적, 경제적 비용이 발생하기 때문에, 많은 연구자들이 사라진 탄성파 자료를 정확히 복원하기 위한 보간 기법 연구를 진행해왔다. 최근에는 머신러닝 기술 발달에 따라 머신러닝 기법을 활용한 연구들이 진행되고 있고, 다양한 머신러닝 기술들 중에서도 서포트 벡터 회귀, 오토인코더, 유넷, 잔차넷, 생성적 적대 신경망 등의 알고리즘을 활용한 탄성파 자료의 보간 연구가 활발하게 진행되고 있다. 이 논문에서는 이러한 연구들을 조사하고 분석하여 복잡한 신경망 모델뿐 아니라 상대적으로 구조가 간단한 서포트 벡터 회귀 모델을 통해서도 뛰어난 보간 결과를 얻을 수 있다는 것을 확인했다. 추후 머신러닝 기법들을 사용하는 탄성파 자료 보간 연구들에서 오픈소스로 공개된 실제 자료를 이용하며 데이터 증식, 전이학습, 기존 기법을 이용한 규제 등의 기술을 활용하면 탄성파 자료 보간 성능을 향상시킬 수 있을 것으로 기대된다.
육상 및 해상 탐사를 할 경우 음원에 따른 수진기는 등간격으로 설치한다. 수진기의 간격을 좁게 설정하여 탐사를 할 경우 자료 획득 과정에서 많은 비용 및 시간이 소요되므로 일반적으로 적절한 간격으로 배치한다. 수진기 간격이 넓으면 공간 알리아싱이 발생한다. 공간 알리아싱이 있는 탐사 자료를 이용해 자료 처리를 할 경우 좋은 결과를 얻을 수 없다. 이러한 경우 자료 처리 과정에서 트레이스 보간을 이용하여 자료 처리 결과를 향상시킬 수 있다. 본 연구에서는 공간 알리아싱이 생긴 탄성파 자료 처리에 많이 이용되는 트레이스 보간법 중에서 복잡한 지하구조의 경사에 대한 정보 없이 보간이 가능한 Spitz의 보간 방법을 적용하였다. 주파수-공간 영역에서 선형 이벤트가 존재하는 등간격으로 이루어진 트레이스에 대하여 예측 필터와 기존의 트레이스를 이용하여 새로운 트레이스를 보간하였다. 본 알고리즘을 인공합성 탄성파 자료, 무작위 잡음을 넣은 인공합성 탄성파 자료, 실제 탐사를 통해 얻은 자료에 적용하여 알고리즘의 적용성을 검토하였다. 보간 수행 후에는 동일한 수진기 배열에 대하여 수행전보다 수진기의 간격이 좁아지고 수진기의 개수가 늘어난 효과를 얻었다. 또한 보간된 트레이스간의 이벤트의 연속성도 증가되었다. 이와 같은 보간법을 공간 알리아싱이 있는 탐사 자료에 이용하면 구조보정을 통하여 향상된 영상을 얻을 수 있을 것이라 생각된다.
탄성파 내삽 기법의 최근 연구방향은 공간적 알리아싱이 존재하는 자료에서의 내삽을 효과적으로 수행하는 것이다. 다양한 내삽 기법 중 기저함수를 정의하여 트레이스를 가장 잘 복원할 수 있는 기저함수의 조합을 찾아내는 Matching Pursuit 내삽 기법이 개발된 바 있다. 그러나 이 방법은 공간적 알리아싱 문제를 해결하지 못하는데 이를 해결하기 위해 다성분 Matching Pursuit 방법이 제안되었고 또한 시간차 보정(moveout correction) 방법도 소개된 바 있다. 다성분을 이용한 방법은 P파만을 갖는 다성분 자료가 획득되어야 하는데 해저면에서 다성분을 측정하는 OBC (Ocean Bottom Cable) 자료의 경우에는 P파 성분만을 분리하는 작업이 어려워 현장자료 적용이 힘들게 된다. 따라서 이 연구에서는 P파와 S파가 혼재하고 공간적 알리아싱이 존재하는 OBC 탐사 자료에서의 효과적인 단일성분 Matching Pursuit 내삽 기법을 다룬다. 이를 위해 시간차 보정을 포함하는 리커 요소파 기반의 단일성분 Matching Pursuit 내삽 기법 작업흐름도를 제안하고 그 효과를 체계적으로 살펴보았다. 이 작업흐름도는 내삽을 적용하기 전에 시간차 보정을 적용하고 다시 역 시간차 보정을 적용하여 공간적 알리아싱 문제를 해결하였다. 제안한 작업흐름도를 OBC 측정을 가정한 합성탄성파탐사 자료에 적용하여 그 효과를 검증하였고 현장자료에 적용함으로써 공간적 알리아싱이 심한 경우에도 내삽이 가능함을 확인하였다.
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.
본 본문은 탄성파 자료에서 흔히 볼 수 있는 선형이벤트에 대한 내삽 기법을 소개하고 있다. 선형이벤트를 갖고 있는 2차원 자료의 경우, 내삽을 수행한 후의 스펙트럼의 모양은 내삽하기 전의 알리아싱(aliasing)된 스펙트럼의 모양으로부터 추정이 가능하다. 측정되지 않은 트레이스의 복원은 특정 필터를 적용한 결과의 전체 에너지가 최소화 되도록 구해지게 되며 이때 사용되는 필터의 진폭 스펙트림은 추정된 스펙트럼의 역(inverse)에 해당된다.
This paper examines the contribution of three sources of uncertainties to probabilistic seismic behaviour of wood frame buildings, including ground motions, intensity and seismic mass. This sensitivity analysis is performed using three methods, including the traditional method based on the conditional distributions of ground motions at given intensity measures, a method using the summation of conditional distributions at given ground motion records, and the Monte Carlo simulation. FEMA P-695 ground motions and its scaling methods are used in the analysis. Two archetype buildings are used in the sensitivity analysis, including a two-storey building and a four-storey building. The results of these analyses indicate that using data-fitting techniques to obtain probability distributions may cause some errors. Linear interpolation combined with data-fitting technique may be employed to improve the accuracy of the calculated exceeding probability. The procedures can be used to quantify the risk of wood frame buildings in seismic events and to calibrate seismic design provisions towards design code improvement.
본 웹사이트에 게시된 이메일 주소가 전자우편 수집 프로그램이나
그 밖의 기술적 장치를 이용하여 무단으로 수집되는 것을 거부하며,
이를 위반시 정보통신망법에 의해 형사 처벌됨을 유념하시기 바랍니다.
[게시일 2004년 10월 1일]
이용약관
제 1 장 총칙
제 1 조 (목적)
이 이용약관은 KoreaScience 홈페이지(이하 “당 사이트”)에서 제공하는 인터넷 서비스(이하 '서비스')의 가입조건 및 이용에 관한 제반 사항과 기타 필요한 사항을 구체적으로 규정함을 목적으로 합니다.
제 2 조 (용어의 정의)
① "이용자"라 함은 당 사이트에 접속하여 이 약관에 따라 당 사이트가 제공하는 서비스를 받는 회원 및 비회원을
말합니다.
② "회원"이라 함은 서비스를 이용하기 위하여 당 사이트에 개인정보를 제공하여 아이디(ID)와 비밀번호를 부여
받은 자를 말합니다.
③ "회원 아이디(ID)"라 함은 회원의 식별 및 서비스 이용을 위하여 자신이 선정한 문자 및 숫자의 조합을
말합니다.
④ "비밀번호(패스워드)"라 함은 회원이 자신의 비밀보호를 위하여 선정한 문자 및 숫자의 조합을 말합니다.
제 3 조 (이용약관의 효력 및 변경)
① 이 약관은 당 사이트에 게시하거나 기타의 방법으로 회원에게 공지함으로써 효력이 발생합니다.
② 당 사이트는 이 약관을 개정할 경우에 적용일자 및 개정사유를 명시하여 현행 약관과 함께 당 사이트의
초기화면에 그 적용일자 7일 이전부터 적용일자 전일까지 공지합니다. 다만, 회원에게 불리하게 약관내용을
변경하는 경우에는 최소한 30일 이상의 사전 유예기간을 두고 공지합니다. 이 경우 당 사이트는 개정 전
내용과 개정 후 내용을 명확하게 비교하여 이용자가 알기 쉽도록 표시합니다.
제 4 조(약관 외 준칙)
① 이 약관은 당 사이트가 제공하는 서비스에 관한 이용안내와 함께 적용됩니다.
② 이 약관에 명시되지 아니한 사항은 관계법령의 규정이 적용됩니다.
제 2 장 이용계약의 체결
제 5 조 (이용계약의 성립 등)
① 이용계약은 이용고객이 당 사이트가 정한 약관에 「동의합니다」를 선택하고, 당 사이트가 정한
온라인신청양식을 작성하여 서비스 이용을 신청한 후, 당 사이트가 이를 승낙함으로써 성립합니다.
② 제1항의 승낙은 당 사이트가 제공하는 과학기술정보검색, 맞춤정보, 서지정보 등 다른 서비스의 이용승낙을
포함합니다.
제 6 조 (회원가입)
서비스를 이용하고자 하는 고객은 당 사이트에서 정한 회원가입양식에 개인정보를 기재하여 가입을 하여야 합니다.
제 7 조 (개인정보의 보호 및 사용)
당 사이트는 관계법령이 정하는 바에 따라 회원 등록정보를 포함한 회원의 개인정보를 보호하기 위해 노력합니다. 회원 개인정보의 보호 및 사용에 대해서는 관련법령 및 당 사이트의 개인정보 보호정책이 적용됩니다.
제 8 조 (이용 신청의 승낙과 제한)
① 당 사이트는 제6조의 규정에 의한 이용신청고객에 대하여 서비스 이용을 승낙합니다.
② 당 사이트는 아래사항에 해당하는 경우에 대해서 승낙하지 아니 합니다.
- 이용계약 신청서의 내용을 허위로 기재한 경우
- 기타 규정한 제반사항을 위반하며 신청하는 경우
제 9 조 (회원 ID 부여 및 변경 등)
① 당 사이트는 이용고객에 대하여 약관에 정하는 바에 따라 자신이 선정한 회원 ID를 부여합니다.
② 회원 ID는 원칙적으로 변경이 불가하며 부득이한 사유로 인하여 변경 하고자 하는 경우에는 해당 ID를
해지하고 재가입해야 합니다.
③ 기타 회원 개인정보 관리 및 변경 등에 관한 사항은 서비스별 안내에 정하는 바에 의합니다.
제 3 장 계약 당사자의 의무
제 10 조 (KISTI의 의무)
① 당 사이트는 이용고객이 희망한 서비스 제공 개시일에 특별한 사정이 없는 한 서비스를 이용할 수 있도록
하여야 합니다.
② 당 사이트는 개인정보 보호를 위해 보안시스템을 구축하며 개인정보 보호정책을 공시하고 준수합니다.
③ 당 사이트는 회원으로부터 제기되는 의견이나 불만이 정당하다고 객관적으로 인정될 경우에는 적절한 절차를
거쳐 즉시 처리하여야 합니다. 다만, 즉시 처리가 곤란한 경우는 회원에게 그 사유와 처리일정을 통보하여야
합니다.
제 11 조 (회원의 의무)
① 이용자는 회원가입 신청 또는 회원정보 변경 시 실명으로 모든 사항을 사실에 근거하여 작성하여야 하며,
허위 또는 타인의 정보를 등록할 경우 일체의 권리를 주장할 수 없습니다.
② 당 사이트가 관계법령 및 개인정보 보호정책에 의거하여 그 책임을 지는 경우를 제외하고 회원에게 부여된
ID의 비밀번호 관리소홀, 부정사용에 의하여 발생하는 모든 결과에 대한 책임은 회원에게 있습니다.
③ 회원은 당 사이트 및 제 3자의 지적 재산권을 침해해서는 안 됩니다.
제 4 장 서비스의 이용
제 12 조 (서비스 이용 시간)
① 서비스 이용은 당 사이트의 업무상 또는 기술상 특별한 지장이 없는 한 연중무휴, 1일 24시간 운영을
원칙으로 합니다. 단, 당 사이트는 시스템 정기점검, 증설 및 교체를 위해 당 사이트가 정한 날이나 시간에
서비스를 일시 중단할 수 있으며, 예정되어 있는 작업으로 인한 서비스 일시중단은 당 사이트 홈페이지를
통해 사전에 공지합니다.
② 당 사이트는 서비스를 특정범위로 분할하여 각 범위별로 이용가능시간을 별도로 지정할 수 있습니다. 다만
이 경우 그 내용을 공지합니다.
제 13 조 (홈페이지 저작권)
① NDSL에서 제공하는 모든 저작물의 저작권은 원저작자에게 있으며, KISTI는 복제/배포/전송권을 확보하고
있습니다.
② NDSL에서 제공하는 콘텐츠를 상업적 및 기타 영리목적으로 복제/배포/전송할 경우 사전에 KISTI의 허락을
받아야 합니다.
③ NDSL에서 제공하는 콘텐츠를 보도, 비평, 교육, 연구 등을 위하여 정당한 범위 안에서 공정한 관행에
합치되게 인용할 수 있습니다.
④ NDSL에서 제공하는 콘텐츠를 무단 복제, 전송, 배포 기타 저작권법에 위반되는 방법으로 이용할 경우
저작권법 제136조에 따라 5년 이하의 징역 또는 5천만 원 이하의 벌금에 처해질 수 있습니다.
제 14 조 (유료서비스)
① 당 사이트 및 협력기관이 정한 유료서비스(원문복사 등)는 별도로 정해진 바에 따르며, 변경사항은 시행 전에
당 사이트 홈페이지를 통하여 회원에게 공지합니다.
② 유료서비스를 이용하려는 회원은 정해진 요금체계에 따라 요금을 납부해야 합니다.
제 5 장 계약 해지 및 이용 제한
제 15 조 (계약 해지)
회원이 이용계약을 해지하고자 하는 때에는 [가입해지] 메뉴를 이용해 직접 해지해야 합니다.
제 16 조 (서비스 이용제한)
① 당 사이트는 회원이 서비스 이용내용에 있어서 본 약관 제 11조 내용을 위반하거나, 다음 각 호에 해당하는
경우 서비스 이용을 제한할 수 있습니다.
- 2년 이상 서비스를 이용한 적이 없는 경우
- 기타 정상적인 서비스 운영에 방해가 될 경우
② 상기 이용제한 규정에 따라 서비스를 이용하는 회원에게 서비스 이용에 대하여 별도 공지 없이 서비스 이용의
일시정지, 이용계약 해지 할 수 있습니다.
제 17 조 (전자우편주소 수집 금지)
회원은 전자우편주소 추출기 등을 이용하여 전자우편주소를 수집 또는 제3자에게 제공할 수 없습니다.
제 6 장 손해배상 및 기타사항
제 18 조 (손해배상)
당 사이트는 무료로 제공되는 서비스와 관련하여 회원에게 어떠한 손해가 발생하더라도 당 사이트가 고의 또는 과실로 인한 손해발생을 제외하고는 이에 대하여 책임을 부담하지 아니합니다.
제 19 조 (관할 법원)
서비스 이용으로 발생한 분쟁에 대해 소송이 제기되는 경우 민사 소송법상의 관할 법원에 제기합니다.
[부 칙]
1. (시행일) 이 약관은 2016년 9월 5일부터 적용되며, 종전 약관은 본 약관으로 대체되며, 개정된 약관의 적용일 이전 가입자도 개정된 약관의 적용을 받습니다.