예인 스트리머(towed-streamer) 해양 탄성파( marine seismic ) 취득 시스템은 일반적으로 공통 발사(common-shot) 집합 내에서 인라인 수신기 방향(스트리머를 따라, along-streamer)으로는 수신기 간격이 조밀한 반면, 크로스라인 수신기 방향(스트리머를 가로질러, cross-streamer)에서는 스트리머 간격이 상대적으로 성기다. 이러한 비대칭성은 공통 발사 집합 내에서 크로스라인 수신기 방향으로 공간적 애일리어싱(spatial aliasing) 문제를 유발할 수 있으며, 3D 해양 탄성파 데이터 처리 과정에서 분해능(resolution)이 저하되는 결과로 이어질 수 있다. 이 문제를 해결하고 분해능을 향상시키기 위해서는 공통 발사 집합 내에서 크로스라인 수신기 방향으로의 데이터 보간(interpolation)이 필수적이다. 이를 위해 다양한 지도학습 기반 보간 방법들이 개발되어 왔다. 그러나 공통 발사 집합 내 크로스라인 수신기 방향에는 실제 데이터가 존재하지 않기 때문에, 실제 현장 데이터를 이용해 지도학습 모델을 학습하는 데 어려움이 따른다. 이를 극복하기 위해 우리는 크로스라인 보간을 위한 딥러닝 기반 재구성 모델에서 “전치 배열 전략(transposed arrangement strategy)”이라고 불리는 새로운 접근법을 개발하였다. 이 방법은 기존 현장 데이터에서 패치(patched)된 3D 입력과 라벨을 사용해 모델을 학습한 다음, 학습된 모델에 전치된(transposed) 3D 입력을 적용하여 공통 발사 집합 내 크로스라인 수신기 방향의 데이터를 재구성한다. 이 과정에서 3D U-Net과 U-Net+ 모델을 사용하였으며, 기존 보간 방법들과의 비교를 통해 이들의 우수성이 입증되었다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.