Derin öğrenme yöntemlerini kullanarak sismik hız modellerinin ters çözümü

Abstract

Sismik arama yönteminde ölçülen verilerden yeraltı hız modelinin kestirimi doğrusal olmayan kötü durumlu ters çözüm problemidir. Bu problemin çözümü için farklı yöntemler kullanılmaktadır. Bu tez çalışmasında sismik hız modeli ters çözümüne yönelik derin öğrenme tabanlı bir yaklaşım sunulmaktadır. Bu tez çalışmasında derin model olarak önerilen sismik hız modeli ters çözüm ağı (SVInvNet) yoğun bloklarla güçlendirilmiş çok bağlantılı bir kodlayıcı- kod çözücü yapısı içeren yeni bir mimari sunmaktadır. Uçtan uca sismik atış kesitlerini yer altı hız modellerine dönüştüren SVInvNet doğrusal olmayan bu dönüşümde kritik önemi olan sismik zaman serisi verilerini etkili bir şekilde işlemek üzere ayarlanmıştır. Eğitim ve test veri kümesi olarak çok katmanlı, faylı ve tuz domu içeren çeşitli sismik hız modelleri ve her birinde hesaplanan sismik atış kesitleri hazırlanmıştır. Eğitim veri kümesi sayı olarak alt kümelere ayrılmış ve sismik verilere tutarlı ve rastgele gürültü türleri eklenmiştir. Böylece eğitim veri setinin sayısının ve farklı çevresel gürültü türlerinin eğitim süreci üzerindeki etkileri incelenmiştir. SVInvNet'in performansı ayrıca OpenFWI veri kümesi ve Marmousi hız modelinden alınan hız modelleri üzerinde de denenmiştir. Elde edilen sonuçlar temel model olarak kullanılan InversionNet derin model ve tam dalga şekli ters çözüm yöntemi (FWI) ile karşılaştırılmıştır. Karşılaştırmalı analiz, bu tezin bir sonucu olarak önerilen mimarinin etkinliğini açıkça göstermektedir.