분포형 광섬유 센서 자료 적용을 위한 기계학습 기반 P, S파 위상 발췌 알고리즘 개발Machine Learning-based Phase Picking Algorithm of P and S Waves for Distributed Acoustic Sensing Data
- Other Titles
- Machine Learning-based Phase Picking Algorithm of P and S Waves for Distributed Acoustic Sensing Data
- Authors
- Choi, Yonggyu; Song, Youngseok; Seol, Soon Lee; Byun, Joongmoo
- Issue Date
- Dec-2022
- Publisher
- KOREAN SOC EARTH & EXPLORATION GEOPHYSICISTS
- Keywords
- event detection; seismic phase picking; machine learning; distributed acoustic sensing (DAS); transfer learning
- Citation
- GEOPHYSICS AND GEOPHYSICAL EXPLORATION, v.25, no.4, pp.177 - 188
- Indexed
- KCI
- Journal Title
- GEOPHYSICS AND GEOPHYSICAL EXPLORATION
- Volume
- 25
- Number
- 4
- Start Page
- 177
- End Page
- 188
- URI
- https://scholarworks.bwise.kr/hanyang/handle/2021.sw.hanyang/182434
- DOI
- 10.7582/GGE.2022.25.4.177
- ISSN
- 1229-1064
- Abstract
- 최근 이산화탄소 지중저장 모니터링 기술 중 하나인 미소진동 모니터링 기술에 대한 관심이 증가하면서 과거에 주로 사용되었던 지오폰 이나 지진계가 아닌 분포형 광섬유 센서(distributed acoustic sensing, DAS)의 적용도 증가하고 있다. 특히 DAS를 이용하여 모니터링을 수 행하면 시×공간적으로 거의 연속된 자료가 기록되게 되어 자료의 양이 방대해지게 되고 빠르고 정확한 자료처리가 중요하게 된다. 자료 처리 중 이벤트 탐지 및 위상 발췌는 가장 기초적인 과정으로 모든 자료에 대해 필수적으로 수행되어야 한다. 이 논문에서는 기계학습 기 반의 P, S파 위상 발췌 알고리즘을 개발하여 전통적인 위상 발췌 방법의 한계를 보완하고, 전이학습 방법을 이용하여 신호 대 잡음비가 낮 은 단일 성분 자료만 존재하는 DAS 자료에도 적용이 가능하도록 하였다. 사용된 기계학습 모델은 위상 발췌에 뛰어난 성능을 보이는 합 성곱 신경망 기반의 EQTransformer를 ResUNet의 특성을 포함하도록 수정하여 구성하였다. 훈련자료는 전세계적으로 기록된 지진파형 자 료인 STEAD자료를 이용하였고 학습 자료에 포함되지 않은 특성들에 대해서도 좋은 성능을 보이도록 기본 자료를 다양하게 변형시킨 자 료도 학습에 사용하였다. 개발된 알고리즘은 학습자료와 다른 특성을 갖는 K-net 및 KiK-net 자료에 의해 성능이 검증되었다. 또한, 전이 학습을 통해 DAS 자료의 특성에 맞게 변형시킨 후 포항 장기분지에서 측정된 DAS자료에 적용시켜 그 성능을 검증하였다.
- Files in This Item
-
Go to Link
- Appears in
Collections - 서울 공과대학 > 서울 자원환경공학과 > 1. Journal Articles
![qrcode](https://api.qrserver.com/v1/create-qr-code/?size=55x55&data=https://scholarworks.bwise.kr/hanyang/handle/2021.sw.hanyang/182434)
Items in ScholarWorks are protected by copyright, with all rights reserved, unless otherwise indicated.