| 講演要旨(和文) | | 全層コンボリューショナルネットワーク（fCNN）を用いた地震波の自動初動読取り手法を提案する. この手法は画像変換に基づいており, 震探データの振幅といったアトリビュート画像から, 初動時間をプロットした"初動画像”への変換を, 過去の手動での初動読取り結果を教師データとしてfCNNに学習させる. 従来の自動初動読取手法と比較して本手法はUnetの構造を用い, さらに画像の位置情報（オフセット・時間）を入力データとして利用することによって, ショット記録全体での大局的な波形の連続性の情報と信号の局所的な情報の両方を用いて，初動を推定する. 本手法と従来手法を国内陸上のフィールドデータに対して適用した結果, 全体発振数の1/30の初動読取り済みの記録を教師データとして使用した場合, 手動読取りの結果と90％の一致率を達成し, 従来の手法と比較して13％もの読取り精度の向上を見せた. |
|
|
| | 講演要旨(英文) | | We propose an automatic method of detecting first arrivals of seismic signal using fully convolutional neural networks (fCNN). The method is based on the image-to-image translation approach: Our fCNN learn approximate function mapping from particular seismic attribute image, such as amplitude, to image which represent first break positon. Compared with conventional automated picking methods, it takes advantage from the global information of the entire shot record as well as the local information, because the method adopts "U-net" architecture and directly uses local information (time and offset) as input data. We apply our picking method and some conventional methods to a land seismic data acquired, Japan. Every thirtieth shot record in the dataset, which already manually picked, is used as supervised data. Our picking method marks 90% agreement with the manual picking result, which is 13 percent higher score than the result from the other method. |
|
|
|
| |
|