Machine und Deep Learning Seminar

Abstract – Zerlegung des U-Netzes für Seismische Anwendungen

Bei der seismischen Verarbeitung geht es in der Regel um die Eliminierung der Multiples. Traditionelle Methoden wie Radon-Transformationsverfahren sind zeitaufwändig und komplex. In dieser Arbeit stellen wir eine auf Deep Learning basierende Alternative vor, die den Prozess vereinfacht und gleichzeitig eine wettbewerbsfähige Ergebnisse bietet. Unser Modell, das nur auf synthetischen Daten trainiert wurde, funktioniert ebenfalls bei komplexen Felddaten. Wir stellen sicher, dass die Datencharakteristika ohne übermäßige Glättung erhalten bleiben, während wir gleichzeitig Mehrfachdaten entfernen. Außerdem führen wir eine gründliche Analyse durch, die sich auf die Auswirkungen von Hyperparametern und die Bayes'sche Leistungsbewertung konzentriert, um Einblicke in die innere Funktionsweise des Modells zu geben.