View Project

Norwegian AI Directory

Seismic data compression using constrained dictionary learning and imaging in compressed domain


Description:

Under en marin seismisk undersøkelse sendes det ut seismiske bølger nær havoverflaten. Jordens respons overvåkes for å utlede informasjon om geologien i undergrunnen. Dette blir gjort ved å innhente data over tid fra sensorer plassert på et område. Derfor kan de målte dataene sies å være i tidsdomenet. Dataene blir behandlet for å produsere et kart av undergrunnen, der posisjonene til de geologiske grensene blir fremhevet. Denne databehandlingen innebærer anvendelse av en lang rekke geofysiske metoder, og hele arbeidsflyten blir referert til som seismisk prosessering og avbildning. Seismisk prosessering og avbildning har i hovedsak som mål å fjerne de uønskede signalene fra de registrerte dataene og å flytte den seismiske energien til det stedet der den ble spredt eller reflektert fra. De fleste av de seismiske prosesseringsmetodene blir utført i et annet domene enn tidsdomenet. Flytter man data til et annet domene kreves det ofte relativt kostbar bearbeiding av dataene først. Etter hvert behandlingstrinn flyttes dataene tilbake til det opprinnelige tidsromdomenet for å sjekke kvaliteten på dataene. Derfor er seismisk prosessering og avbildning en lang og grundig arbeidsflyt, noe som resulterer i et kart av undergrunnen i veldig høy kvalitet, men kostbart mhp. menneskelige ressurser og computerkraft. Det er allment akseptert at informasjonen i seismiske data har lavere dimensjonalitet enn selve dataene. Derfor kan de seismiske dataene uttrykkes med et redusert antall parametere sammenlignet med antall dataprøver ved å flytte dataene til et passende komprimert domene. I det først år av doktorgraden, har studenten utviklet en metode for seismisk datakomprimering som er basert på ?ordliste læring?, dvs. en datadrevet algoritme for sparsom representasjon. Han har testet komprimeringsmetoden på flere datasett og har vurdert effektiviteten i forhold til flere standard seismiske metoder. Blant alle de studerte metodene var metoden han utviklet den mest effektive for å avlevere høye komprimeringsgrad. I det andre året av doktorgraden, har kandidaten utvidet den metoden slik at den trekker ut kinematiske bølgefeltparametere fra de seismiske dataene samtidig som den komprimerer dataene. De kinematiske bølgefeltparametrene kan brukes av behandlingsoperatorer for å utføre trinn i seismisk prosessering og avbildning. Basert på de kinematiske bølgefeltparametrene, har kandidaten begynt å designe operatorer for å utføre bølgefeltseparasjon, dvs. et tidlig trinn i seismisk prosessering og avbildning, i det komprimerte domenet. Ved å bruke disse operatorene skal kandidaten foreslå en ny metode som kan komprimere dataene og å utføre ett trinn i seismisk prosessering og avbildning i det komprimerte domenet.


Project leader: Pierre Turquais

Started: 2020

Ends: 2022

Category: Næringsliv

Sector: Næringsliv

Budget: 1725998

Institution: PGS GEOPHYSICAL AS

Address: