Research output: Contribution to journal › Article › peer-review
Применение машинного обучения для адаптивного вычитания кратных отраженных волн. / Камашев, Александр Максимович; Дучков, Антон Альбертович.
In: Геофизические технологии, No. 1, 5, 2023, p. 54-65.Research output: Contribution to journal › Article › peer-review
}
TY - JOUR
T1 - Применение машинного обучения для адаптивного вычитания кратных отраженных волн
AU - Камашев, Александр Максимович
AU - Дучков, Антон Альбертович
N1 - Камашев А.М., Дучков А.А. Применение машинного обучения для адаптивного вычитания кратных отраженных волн // Геофизические технологии. – 2023. – N 1. – С. 54-65. Разработка алгоритма адаптивного вычитания кратных отраженных волн осуществлялась при поддержке исследовательского проекта FSUS-2022-0019. Тестирование работы алгоритма осуществлялось при поддержке исследовательского проекта FWZZ-2022-0017.
PY - 2023
Y1 - 2023
N2 - Данная работа посвящена разработке и тестированию алгоритма адаптивного вычитания кратных отраженных волн с помощью сверточной нейронной сети. Алгоритм является одним из основных этапов в методе подавления кратных отраженных волн, основанном на разделении волновых форм в области Радона. В работе рассматривается постановка задачи для нейронной сети, подготовка обучающего и тестового наборов данных и тестирование алгоритма. Использование сверточной нейронной сети позволяет автоматизировать и ускорить процедуру адаптивного вычитания. Тестирование алгоритма проводилось на синтетических данных и показало эффективную адаптацию кратных волн, а также важность корректного построения модели кратных отраженных волн.
AB - Данная работа посвящена разработке и тестированию алгоритма адаптивного вычитания кратных отраженных волн с помощью сверточной нейронной сети. Алгоритм является одним из основных этапов в методе подавления кратных отраженных волн, основанном на разделении волновых форм в области Радона. В работе рассматривается постановка задачи для нейронной сети, подготовка обучающего и тестового наборов данных и тестирование алгоритма. Использование сверточной нейронной сети позволяет автоматизировать и ускорить процедуру адаптивного вычитания. Тестирование алгоритма проводилось на синтетических данных и показало эффективную адаптацию кратных волн, а также важность корректного построения модели кратных отраженных волн.
UR - https://elibrary.ru/item.asp?id=53821087
UR - https://www.mendeley.com/catalogue/d0272322-67c9-3f25-83f7-7a365da1c38a/
U2 - 10.18303/2619-1563-2023-1-54
DO - 10.18303/2619-1563-2023-1-54
M3 - статья
SP - 54
EP - 65
JO - Геофизические технологии
JF - Геофизические технологии
SN - 2619-1563
IS - 1
M1 - 5
ER -
ID: 59461008