ترجمه فارسی مقاله یک رویکرد شبکه عصبی حلقوی به داده های لرزه ای دفع

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 37,500 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی
عنوان مقاله به انگلیسی A convolutional neural network approach to deblending seismic data
عنوان مقاله به فارسی یک رویکرد شبکه عصبی حلقوی به داده های لرزه ای دفع
نویسندگان Jing Sun, Sigmund Slang, Thomas Elboth, Thomas Larsen Greiner, Steven McDonald, Leiv-J Gelius
فرمت مقاله انگلیسی PDF
تعداد صفحات 44
لینک دانلود رایگان مقاله انگلیسی دانلود مقاله
دسته بندی موضوعات Geophysics,Artificial Intelligence,ژئوفیزیک , هوش مصنوعی ,
توضیحات Submitted 12 September, 2024; originally announced September 2024. , Journal ref: Geophysics, 2020, vol. 85, no. 4, pp. WA13-WA26
توضیحات به فارسی ارسال شده 12 سپتامبر 2024 ؛در ابتدا در سپتامبر 2024 اعلام شد. ، مجله Ref: Geophysics ، 2020 ، جلد.85 ، نه.4 ، صص WA13-WA26
اطلاعات بیشتر از این مقاله در پایگاه های علمی INSPIRE HEP
NASA ADS
Google Scholar
Semantic Scholar

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

چکیده

For economic and efficiency reasons, blended acquisition of seismic data is becoming more and more commonplace. Seismic deblending methods are always computationally demanding and normally consist of multiple processing steps. Besides, the parameter setting is not always trivial. Machine learning-based processing has the potential to significantly reduce processing time and to change the way seismic deblending is carried out. We present a data-driven deep learning-based method for fast and efficient seismic deblending. The blended data are sorted from the common source to the common channel domain to transform the character of the blending noise from coherent events to incoherent distributions. A convolutional neural network (CNN) is designed according to the special character of seismic data, and performs deblending with comparable results to those obtained with conventional industry deblending algorithms. To ensure authenticity, the blending was done numerically and only field seismic data were employed, including more than 20000 training examples. After training and validation of the network, seismic deblending can be performed in near real time. Experiments also show that the initial signal to noise ratio (SNR) is the major factor controlling the quality of the final deblended result. The network is also demonstrated to be robust and adaptive by using the trained model to firstly deblend a new data set from a different geological area with a slightly different delay time setting, and secondly deblend shots with blending noise in the top part of the data.

چکیده به فارسی (ترجمه ماشینی)

به دلایل اقتصادی و کارآیی ، جمع آوری داده های لرزه ای بیشتر و متداول تر می شود.روشهای دفع لرزه ای همیشه از نظر محاسباتی خواستار هستند و به طور معمول از مراحل پردازش متعدد تشکیل شده اند.علاوه بر این ، تنظیم پارامتر همیشه بی اهمیت نیست.پردازش مبتنی بر یادگیری ماشین پتانسیل کاهش چشمگیر زمان پردازش و تغییر نحوه انجام کارآزمایی لرزه ای را دارد.ما یک روش مبتنی بر یادگیری عمیق مبتنی بر داده را برای کنترل لرزه ای سریع و کارآمد ارائه می دهیم.داده های مخلوط از منبع مشترک به دامنه کانال مشترک طبقه بندی می شوند تا شخصیت سر و صدای آمیخته از حوادث منسجم به توزیع های ناهماهنگ تبدیل شوند.یک شبکه عصبی حلقوی (CNN) با توجه به شخصیت ویژه داده های لرزه ای طراحی شده است ، و با نتایج قابل مقایسه با نتایج به دست آمده با الگوریتم های موبایل صنعت معمولی ، کنترل را انجام می دهد.برای اطمینان از صحت ، این ترکیب به صورت عددی انجام شد و فقط از داده های لرزه ای میدانی استفاده شد ، از جمله بیش از 20000 نمونه آموزش.پس از آموزش و اعتبار سنجی شبکه ، می توان در یک زمان واقعی تقریباً در زمان واقعی انجام شد.آزمایشات همچنین نشان می دهد که نسبت سیگنال اولیه به نویز (SNR) عامل اصلی کنترل کیفیت نتیجه نهایی است.این شبکه همچنین با استفاده از مدل آموزش دیده ، قوی و سازگار است تا ابتدا یک مجموعه داده جدید از یک منطقه زمین شناسی متفاوت با تنظیم زمان تأخیر کمی متفاوت ، و دوم عکس های DeBlend با آمیختن سر و صدای در قسمت بالای داده ها را نشان دهد.

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.