2 results
Search Results
Now showing 1 - 2 of 2
Article Citation - WoS: 7Citation - Scopus: 7Optimum Designs for 2-D and 3-D Seismic Surveys Via Modeling and Reverse-Time Migration: Pierce Junction Salt Dome, Texas(Springer, 2021) Coskun, Suleyman; Stewart, Robert R.; Baysal, Edip; Aydemir, AttilaEstablishing effective seismic survey parameters in complex structural areas, such as salt domes, is of vital importance for accurate imaging. Shot and group intervals, maximum offset, recording time and profile length, to image the subsurface structures, are critical 2-D parameters. Geometry, aspect ratio of a recording patch and number of in-line and cross-lines are key additional parameters for 3-D seismic design. This study provides a workflow for determining optimal 2-D and 3-D seismic survey parameters as exemplified by a Texas salt dome case. The Pierce Junction oil field, in proximity to the salt dome, is located in Houston, Texas, and has been one of the most prolific hydrocarbon producers in the region. Engineered caverns in the salt dome itself are now used for fluid storage. Design parameters for the future seismic surveys are partially informed by previous seismic data shot over the structure (where the top of the salt is at about 290 m depth and overlying cap rock, 210 m). Existing 2-D seismic data, crossing the salt dome, are processed to extract the velocities of the salt, cap rock, and near-surface sediments. In the following step, 2-D and 3-D velocity models of the study area are constructed using legacy well data as well as gravity measurements which were acquired as part of this study. Synthetic shot gathers are next modeled with a finite difference method using the acoustic wave equation. To generate images of the constructed model, reverse time migration (RTM) is applied to the synthetic data. By assessing the coverage and continuity of the imaged salt boundaries using a variety of decimated input data sets, the optimal survey parameters are determined. In this case, 20 m group and 40 m shot interval, 3000 m maximum offset, and 8 km profile length with a 4 s recording time are found to be most favorable 2-D acquisition parameters. Using similar coverage and continuity criteria, group and shot intervals of a 3-D seismic survey are determined as 25 m and 50 m, respectively. The receiver and shot line intervals are chosen as 250 m in an orthogonal geometry with 33 in-lines and 33 cross-lines distributed in the 8 x 8 km(2) survey area. The aspect ratio of any patch with 13 in-lines and 13 cross-lines is accepted as 1:1. This forward modeling and migration procedure, using a range of decimated data sets, can inform decisions on the final field parameters.Master Thesis Frekans Alanında Görüntü Sınıflandırma için Konvolüsyonel Sinir Ağlarının Uygulanması(2024) Dağı, Göktuğ Erdem; Gökçay, Erhan; Tora, HakanBu tezde, Evrişimsel Sinir Ağları (CNN'ler) son yıllarda çeşitli görüntü işleme ve bilgisayarlı görme görevlerinde dikkate değer başarılar elde etmiştir. Geleneksel CNN'ler doğrudan uzaysal alan görüntüleri üzerinde çalışır. Bununla birlikte, Hızlı Fourier Dönüşümü (FFT) yoluyla elde edilen görüntülerin frekans alanı gösterimi, piksel değerlerinin ilişkisizleştirilmesi ve hesaplama karmaşıklığında potansiyel azalma gibi benzersiz avantajlar sunar. Bu tez, görüntü sınıflandırmasını ve tanıma doğruluğunu artırmak için FFT ile dönüştürülmüş görüntülerin CNN algoritmalarına girdi olarak kullanılmasının etkilerini araştırmayı amaçlamaktadır. Araştırma, FFT'nin teorik temellerinin ve özelliklerinin kapsamlı bir incelemesiyle başlıyor. Daha sonra CNN'ler için ön işleme ardışık düzenlerinde FFT'nin entegrasyonunu araştırıyor. Giriş görüntülerini uzamsal alandan frekans alanına dönüştürerek, CNN'lerin en önemli frekans bileşenlerine odaklanarak daha verimli öğrenebileceğini, dolayısıyla yakınsama oranlarını ve genel performansı potansiyel olarak iyileştirebileceğini varsayıyoruz. Bunun etkinliğini değerlendirmek için CIFAR-10 (Kanada İleri Araştırma Enstitüsü), MNIST (Modifiye Ulusal Standartlar ve Teknoloji Enstitüsü)-Digits ve MNIST-Fashion dahil olmak üzere çeşitli kıyaslama veri setleri kullanılarak deneyler gerçekleştirildi. yaklaşmak. FFT ile dönüştürülmüş görüntüler çeşitli CNN mimarilerine beslendi ve sonuçlar, geleneksel uzaysal alan girdileri kullanılarak elde edilenlerle karşılaştırıldı. Sınıflandırma doğruluğu, eğitim süresi ve hesaplamalı kaynak kullanımı gibi ölçümler titizlikle analiz edildi. Sonuçlar, FFT tabanlı ön işlemenin, özellikle veri kümelerinin yüksek frekanslı gürültü veya gereksiz bilgi içerdiği senaryolarda, sınıflandırma doğruluğunda iyileştirmelere yol açabileceğini göstermektedir. Ancak faydaların farklı veri kümeleri ve ağ mimarileri arasında farklılık göstermesi, FFT ön işlemenin etkililiğinin bağlama bağlı olabileceğini düşündürmektedir. Sonuç olarak bu tez, FFT ön işlemesinin CNN iş akışlarına dahil edilmesinin görüntü işleme görevlerini geliştirme konusunda umut vaat ettiğini göstermektedir. Bulgular, hem uzaysal hem de frekans alanı bilgisinden yararlanan hibrit modellerin geliştirilmesi ve FFT tabanlı tekniklerin diğer sinir ağı türlerine ve makine öğrenimi algoritmalarına uygulanması da dahil olmak üzere gelecekteki araştırmalar için yollar önermektedir. Bu çalışma, bilgisayarlı görme alanını geliştirmek için frekans alanı analizinin derin öğrenme metodolojileriyle nasıl sinerjik olarak entegre edilebileceğinin daha geniş bir şekilde anlaşılmasına katkıda bulunmaktadır.
