암석의 특성과 퇴적학적 특징을 분석하여 지하구조를 해석하고, 이를 통해 석유 시스템 모델링을 정밀하게 수행하기 위해서는 취득한 데이터의 품질 향상이 필수적이다. 이는 석유 시스템 모델링에 필요한 기초를 제공하는 역할을 한다. 본 연구에서는 인공지능을 기반으로 한 2차원 탄성파 자료의 3차원 체적 확장 및 이를 활용한 3차원 암상 분류 기법을 개발한다. 3차원 체적 확장 기법은 생성형 인공신경망을 기반으로 개발되었다. 무작위한 잡음 벡터를 활용한 생성형 인공신경망 기반 3차원 체적 변환 기술은 넓은 간격의 2차원 자료의 공백을 보간하는 데에 높은 성능을 보였다. 또한 암상 분류 기법은 U-Net을 기반으로 한 인공신경망 모델을 기반으로 개발되었다. 본 연구에서는 취득한 자료를 대상으로 암상 역산이 완료된 자료를 학습 자료로 사용하여 네트워크를 학습하였고, 이를 통해 탄성파 자료와 암상 분포의 상관관계를 반영하였다. 이후 지구통계학적 방법을 활용하여 3차원 암상 분포를 제작할 때, 체적 확장 기법으로 변환된 3차원 탄성파 자료를 보조자료로 활용하였다. 이를 통해 최종적으로 탄성파 자료의 특성을 반영한 대상 지역 내의 3차원 암상 모델을 취득하였다.
Lee et al. (Sun,) studied this question.
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: