Algoritmo de reconstrucción de datos sísmicos adquiridos mediante geometrías compresivas usando un enfoque de aprendizaje profundo interno y externo
No Thumbnail Available
Date
2023-03-01
Authors
Journal Title
Journal ISSN
Volume Title
Publisher
Universidad Industrial de Santander
Abstract
La obtención de imágenes sísmicas requiere una configuración densa de receptores y fuentes para obtener datos interpretables de alta calidad para la exploración de hidrocarburos. Sin embargo, las condiciones económicas y medioambientales suelen limitar el número de fuentes empleadas en la adquisición. Los métodos actuales de adquisición de datos sísmicos se centran en reconstruir o interpolar computacionalmente las fuentes que faltan, reduciendo los costos. Sin embargo, la mayoría de los trabajos se basan en algoritmos de optimización, donde la calidad depende de la propia naturaleza del dato; o en el aprendizaje profundo, donde la disponibilidad limitada de datos de entrenamiento también limita el proceso de entrenamiento. Por lo tanto, en este trabajo se propone la integración de aprendizaje profundo interno y externo en las siguientes dos etapas: un paso de aprendizaje de una arquitectura de red neuronal en la tarea de recuperación de fuentes sísmicas empleando aprendizaje profundo externo; y un paso de reentrenamiento de la misma arquitectura de red neuronal bajo el esquema de aprendizaje profundo interno. Los resultados experimentales muestran que el método propuesto supera a los trabajos del estado del arte al evaluar diferentes métricas de error y similitud en los conjuntos de datos sísmicos estudiados.
Description
Keywords
reconstrucción de datos sísmicos, geometría de adquisición, aprendizaje profundo, aprendizaje interno y externo, ProMax