Seismic first arrival traveltime inversion harnessing physics informed neural networks
Fizik bilgili sinir ağları kullanarak sismik ilk varış seyahat süresi ters çözümü
- Tez No: 722237
- Danışmanlar: PROF. DR. ÖMÜR UĞUR, DR. ÖĞR. ÜYESİ UMAİR BİN WAHEED
- Tez Türü: Yüksek Lisans
- Konular: Jeofizik Mühendisliği, Matematik, Geophysics Engineering, Mathematics
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: İngilizce
- Üniversite: Orta Doğu Teknik Üniversitesi
- Enstitü: Uygulamalı Matematik Enstitüsü
- Ana Bilim Dalı: Bilimsel Hesaplama Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 54
Özet
Sismik araştırmada, yeraltının yapısal ve litolojik bileşimini ortaya çıkarmak için büyük miktarda veri toplanır ve işlenir. Bu prosedürdeki kilit adım, hız modeli oluşturmadır. İlk varış seyahat zamanının tersine çevrilmesi, sismik keşifte yüzeye yakın hız yapılarını tahmin etmek için yaygın olarak kullanılan hız modeli oluşturma araçlarından biridir. Geleneksel olarak, tersine çevirme, ışın tabanlı yöntemler veya gradyan tabanlı algoritmalar kullanılarak gerçekleştirilir. Gradyan tabanlı algoritmalar, model parametrelerini ışın izleme gerektirmeden güncellemek için gereken gradyanı bulsa da, hesaplama açısından zorlayıcı olabilir. Öte yandan, sağlamlığına ve verimliliğine rağmen ışın tabanlı yöntemler, ışın teorisi yüksek frekanslı yaklaşıma dayandığından karmaşık bölgelerden muzdariptir. Bu yaklaşımları bir seyahat zamanı tersine çevirme problemi için kullanmak yerine, yüzeye yakın yeraltı hızlarını tahmin etmek için eikonal denklem tarafından temsil edilen matematiksel modelden yararlanan fizik bilgili sinir ağlarından özellikle yararlanan makine öğrenimi tabanlı bir yaklaşım öneriyoruz. Sentetik testler ve gerçek verilerin uygulanması yoluyla, geleneksel tomografi çerçevelerine potansiyel bir alternatif araç olabilecek fizik bilgili makine öğrenimi tabanlı seyahat zamanı tersine çevirmenin güvenilirliğini gösteriyoruz.
Özet (Çeviri)
In Seismic prospecting, huge amounts of data are collected and processed to infer the structural and lithological composition of the subsurface. The key step in this procedure is velocity model building. First arrival traveltime inversion is one of the velocity model building tools commonly used for predicting near-surface velocity structures in seismic exploration. Conventionally, the inversion is carried out using ray-based methods or gradient-based algorithms. Though the gradient-based algorithms find the gradient that is needed to update the model parameters without requiring ray tracing, it can be computationally demanding. On the other hand, despite its robustness and efficiency ray-based methods suffer from complex regions as the ray theory relies on the high-frequency approximation. Instead of using these approaches for a traveltime inversion problem, we propose a machine learning based approach, specifically harnessing the physics informed neural networks exploiting the mathematical model represented by the eikonal equation to estimate the near-surface subsurface velocities. Through synthetic tests and the application of real data, we show the reliability of the physics informed machine learning based traveltime inversion which can be a potential alternative tool to the traditional tomography frameworks.
Benzer Tezler
- Yer içinin modellenmesi amacıyla sismik kırılma verilerinin tersçözümü
Inversion of seismic refraction data for subsurface modelling
AHMET YOĞURTÇUOĞLU
- Saçılmış yüzey dalgalarının sismik interferometrisi ile saçıcı konumunun belirlenmesi.
Estimating the location of the scatterer by seismic interferometry of scattered surface waves.
UTKU HARMANKAYA
Yüksek Lisans
Türkçe
2012
Jeofizik Mühendisliğiİstanbul Teknik ÜniversitesiJeofizik Mühendisliği Ana Bilim Dalı
DOÇ. DR. AYŞE KAŞLILAR
- İlk varış zamanlarından sismik ortama ait istatistiksel parametrelerin kestirilmesi
Estimating medium statistical parameters using first arrival travel times
DENİZ VARILSÜHA
Yüksek Lisans
Türkçe
2015
Jeofizik Mühendisliğiİstanbul Teknik ÜniversitesiJeofizik Mühendisliği Ana Bilim Dalı
PROF. DR. AYŞE KAŞLILAR ŞİŞMAN
- 3-D velocity structure of the gulf of Izmir (Western Turkey) by using traveltime tomography
İzmir körfezi'nin seyahat zamanı tomografisi ile 3-B hız modelinin elde edilmesi
ZEHRA ALTAN SAĞLAM
Doktora
İngilizce
2022
Jeofizik Mühendisliğiİstanbul Teknik ÜniversitesiJeofizik Mühendisliği Ana Bilim Dalı
PROF. DR. NESLİHAN OCAKOĞLU GÖKAŞAN
- Erzincan havzası 3-D hız yapısının yerel deprem tomografisi ile belirlenmesi
Determination of 3-D velocity structure of the Erzincan basin by local earthquake tomography
BÜLENT KAYPAK
Doktora
Türkçe
2002
Jeofizik Mühendisliğiİstanbul Teknik ÜniversitesiJeofizik Mühendisliği Ana Bilim Dalı
PROF. DR. HALUK EYİDOĞAN