使用卷积神经网络绘制海洋地底层的图
机器学习
2024-12-10 v1 人工智能
计算机视觉与模式识别
计算物理
地球物理
摘要
绘制海洋地底层图是油业当前的挑战。现有方法涉及地震方法和波浪反演，这些方法复杂且计算成本高昂。将人工神经网络，特别是 UNet，用于基于反射于海洋地底的地震射线预测速度模型，显示出为优化这一过程的潜力。在本研究中，验证了两种神经网络架构用于速度模型反演，并就损失函数和相似系数等稳定性指标进行比较，以及预测模型与实际模型之间的差异。确实，神经网络证明作为解决这一挑战的一种可行方法，实现了超过 70% 的 S{\o}rensen-Dice 系数。
引用
@article{arxiv.2412.05329,
title = {Mapping The Layers of The Ocean Floor With a Convolutional Neural Network},
author = {Guilherme G. D. Fernandes and Vitor S. P. P. Oliveira and João P. I. Astolfo},
journal= {arXiv preprint arXiv:2412.05329},
year = {2024}
}
备注
10 pages, 5 figures. Developed during the 6th Edition of the Advanced School of Experimental Physics (EAFExp), Brazilian Centre for Physics Research