Algoritmo de reconstrucción de datos sísmicos faltantes adquiridos mediante geometrías compresivas en el dominio cross-spread empleando optimización convexa con aproximación de bajo rango

Ortiz Pineda, Iván David

Algoritmo de reconstrucción de datos sísmicos faltantes adquiridos mediante geometrías compresivas en el dominio cross-spread empleando optimización convexa con aproximación de bajo rango

dc.contributor.advisor	Gélvez Barrera, Tatiana Carolina
dc.contributor.advisor	Argüello Fuentes, Henry
dc.contributor.advisor	Galvis Carreño, Laura Viviana
dc.contributor.author	Ortiz Pineda, Iván David
dc.contributor.evaluator	Romo Bucheli, David Edmundo
dc.contributor.evaluator	Pertuz Arroyo, Said David
dc.date.accessioned	2022-09-09T21:10:48Z
dc.date.available	2022-09-09T21:10:48Z
dc.date.created	2022-09-07
dc.date.issued	2022-09-07
dc.description.abstract	La adquisición de datos sísmicos captura un campo de ondas que permite detectar las propiedades de la tierra que sirven de apoyo a las exploraciones geológicas. Los datos capturados pueden estar incompletos debido a las limitaciones ambientales, el mal funcionamiento del hardware o, de especial interés para la industria, la eliminación de elementos del sistema de adquisición para reducir costos e impacto ambiental. Los datos faltantes pueden recuperarse mediante técnicas computacionales, como el uso de principios de muestreo compresivo. No obstante, la mayoría de estos métodos se centra en el problema de recuperación de datos a causa de receptores deficientes en lugar de fuentes sísmicas eliminadas. Por otro lado, las campañas sísmicas se realizan generalmente en superficies adyacentes con propiedades similares, generando altas correlaciones en los datos sísmicos que no han sido incorporados en los métodos de recuperación. Por lo tanto, en esta tesis se desarrolló un método de recuperación de datos sísmicos que aprovecha las altas redundancias estructurales exhibidas en las secciones del dominio cross-spread. Específicamente, se introdujo una aproximación tensorial de bajo rango sobre las componentes principales en los diferentes modos del tensor sísmico. Los experimentos validaron la eficacia del método de recuperación de datos sísmicos utilizando conjuntos de datos sintéticos-realistas y realistas, destacando que la propuesta supera el estado del arte en la recuperación de datos faltantes de una fuente eliminada, obteniendo una ganancia de hasta 1.5 dB y 0.07 en la calidad de la señal (PSNR) y similitud estructural (SSIM).
dc.description.abstractenglish	Seismic data acquisition captures a wavefield for detecting earth properties that support geological explorations. The captured data can be incomplete because of environmental limitations, hardware malfunction, or, of particular industry interest, the elimination of devices to reduce the acquisition costs and environmental impacts. The missing data can be computationally recovered by applying compressive sensing principles. However, most of literature methods focus on recovering missing data from deficient receivers instead of recovering missing data from a removed source. On the other hand, seismic surveys are generally performed on adjacent surfaces with similar properties, generating high correlations in the seismic data that have not been incorporated in the recovery methods. Therefore, this thesis developed a seismic data recovery method that takes advantage of high structural redundancies exhibited in the cross-spread domain slices. Specifically, the proposed method introduces a low-rank tensor approximation over the principal components in the different seismic tensor modes. Experiments validated the seismic data recovery method’s effectiveness using synthetic-realistic and realistic datasets, highlighting that the proposal outperforms the state-of-the-art in recovering the missing data from a removed source, obtaining a gain of up to 1.5 dB and 0.07 in signal quality (PSNR) and structural similarity (SSIM).
dc.description.degreelevel	Pregrado
dc.description.degreename	Ingeniero de Sistemas
dc.format.mimetype	application/pdf
dc.identifier.instname	Universidad Industrial de Santander
dc.identifier.reponame	Universidad Industrial de Santander
dc.identifier.repourl	https://noesis.uis.edu.co
dc.identifier.uri	https://noesis.uis.edu.co/handle/20.500.14071/11312
dc.language.iso	spa
dc.publisher	Universidad Industrial de Santander
dc.publisher.faculty	Facultad de Ingeníerias Fisicomecánicas
dc.publisher.program	Ingeniería de Sistemas
dc.publisher.school	Escuela de Ingeniería de Sistemas e Informática
dc.rights	info:eu-repo/semantics/openAccess
dc.rights.accessrights	info:eu-repo/semantics/openAccess
dc.rights.coar	http://purl.org/coar/access_right/c_abf2
dc.rights.creativecommons	Atribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)
dc.rights.license	Attribution-NonCommercial 4.0 International (CC BY-NC 4.0)
dc.rights.uri	http://creativecommons.org/licenses/by-nc-nd/4.0/
dc.subject	Aproximación tensorial de bajo rango
dc.subject	Recuperación de datos sísmicos
dc.subject	Geometría de adquisición ortogonal
dc.subject	Dominio cross-spread
dc.subject	Problemas de optimización
dc.subject.keyword	Low-Rank Tensor Approximation
dc.subject.keyword	Seismic Source Recovery
dc.subject.keyword	Orthogonal Acquisition Geometry
dc.subject.keyword	Cross-Spread Domain
dc.subject.keyword	Optimization Problems
dc.title	Algoritmo de reconstrucción de datos sísmicos faltantes adquiridos mediante geometrías compresivas en el dominio cross-spread empleando optimización convexa con aproximación de bajo rango
dc.title.english	Reconstruction algorithm for missing seismic data acquired through compressive geometries in the cross-spread domain using convex optimization with low-rank approximation
dc.type.coar	http://purl.org/coar/resource_type/c_7a1f
dc.type.hasversion	http://purl.org/coar/version/c_b1a7d7d4d402bcce
dc.type.local	Tesis/Trabajo de grado - Monografía - Pregrado
dspace.entity.type