Digitaler Vortrag

Abstract – Deep Learning für seismische Anwendungen

Die seismische Bildgebung ist ein wesentlicher Schritt bei der Kohlenwasserstoffexploration und der Charakterisierung von Lagerstätten. Leider sind die aufgezeichneten seismischen Signale an der Oberfläche unweigerlich durch kohärentes und inkohärentes Rauschen unterschiedlicher Art verunreinigt. Der Prozess der Entfernung des Rauschens unter Beibehaltung des Primärsignals wird als seismische Verarbeitung bezeichnet und ist in der Regel eine anspruchsvolle und langwierige Aufgabe. In diesem Vortrag konzentrieren wir uns auf die relevante, bekannte seismische Verarbeitungsaufgabe der Mehrfachentfernung. Dabei geht es hauptsächlich darum, kohärentes Rauschen zu beseitigen, das durch den Nachhall von Wellen zwischen Reflektoren verursacht wird. Um dies zu erreichen, verwenden wir probabilistische Diffusionsmodelle. Diese neuartige Klasse generativer Modelle hat in kurzer Zeit bahnbrechende Ergebnisse bei verschiedenen Bildverarbeitungsaufgaben wie Bearbeitung, Interpolation, Rauschunterdrückung und Superauflösung erzielt.