Please use this identifier to cite or link to this item: http://repositorio.unicamp.br/jspui/handle/REPOSIP/334898
Type: DISSERTAÇÃO DIGITAL
Degree Level: Mestrado
Title: Desconvolução preditiva de múltiplas baseada em redes neurais artificiais
Title Alternative: Predictive deconvolution of multiples based on artificial neural networks
Author: Shams, Farzin, 1993-
Advisor: Ferrari, Rafael, 1977-
Abstract: Resumo: Em imageamento sísmico, os sinais coletados não contêm somente as reflexões primárias das estruturas abaixo da superfície, mas também apresentam reflexões múltiplas dessas estruturas. Tais múltiplas são indesejadas e podem dificultar a interpretação e análise da imagem sísmica obtida a partir destes sinais. Para atenuar os efeitos destas reflexões indesejadas, pode-se utilizar a técnica de desconvolução preditiva. Nesta técnica, um filtro é usado para prever as múltiplas e removê-las dos sinais originais. Neste trabalho, apresenta-se o uso de três estruturas não-lineares como preditores: as redes neurais Extreme Learning Machine (ELM), Echo State Network (ESN) e Multilayer Perceptron (MLP), que foram aplicadas em diferentes traços sísmicos sintéticos e comparados com o resultado obtido por um preditor linear. Os resultados obtidos em dados sintéticos mostram benefícios no uso de tais estruturas ao custo de um processamento maior em relação ao preditor linear

Abstract: In seismic imaging, the collected signals not only contain the primary reflections of the subsurface structures, but also multiple reflections. These multiples are unwanted and may impede proper and reliable analysis of the seismic image obtained from these signals. In order to mitigate the effect of the multiple events, a predictive deconvolution approach can be employed. In this approach, a filter is used to predict multiples and remove them from the original signal. In this work, we use three different nonlinear neural networks as predictors: an Extreme Learning Machine (ELM), an Echo State Network (ESN) and a Multilayer Perceptron (MLP), which were applied to different synthetic seismic traces and compared to a linear predictor. The results obtained in synthetic data show clear advantages over the linear predictor, with only a minor drawback of being computationally more expensive
Subject: Desconvolução
Método sísmico de reflexão - Processamento de dados
Redes neurais (Computação)
Language: Português
Editor: [s.n.]
Citation: SHAMS, Farzin. Desconvolução preditiva de múltiplas baseada em redes neurais artificiais. 2019. 1 recurso online (86 p.). Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Elétrica e de Computação, Campinas, SP.
Date Issue: 2019
Appears in Collections:FEEC - Tese e Dissertação

Files in This Item:
File SizeFormat 
Shams_Farzin_M.pdf12.22 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.