A+A-ContrastAcessibilidade
EnglishPortuguese
Buscar
03 Ago
10:00 Defesa de Mestrado Integralmente a distância
Tema
Redes Adversárias Generativas para Remoção de Ruídos em Dados Sísmicos
Aluno
Jonlenes Silva de Castro
Orientador / Docente
Sandra Eliza Fontes de Avila
Breve resumo
Dados sísmicos fornecem informações das características do ambiente geológico, que, após serem processados, são utilizados na interpretação para identificar e localizar as características do subsolo. O nível de complexidade desta tarefa é diretamente influenciado pela presença de ruídos, artefatos e/ou imprecisões em dados sísmicos. Logo, a remoção de ruídos e o aumento da qualidade destes dados são etapas essenciais no processamento sísmico. Para atenuar estes problemas, propomos abordagens baseadas em redes adversárias generativas (generative adversarial networks, GANs) para melhorar os dados sísmicos através da remoção de ruídos e aumento de altas frequências nos dados. Nesse contexto, mapeamos o problema de remoção de ruído como um problema de tradução de imagem para imagem. Ou seja, utilizamos as GANs para aprender a mapear dados sísmicos com ruídos em dados sem ruídos, mantendo a integridade dos dados. Entretanto, o treinamento de redes neurais profundas (como as GANs) tem um problema inerente de escassez de dados rotulados. Para resolver esse problema, desenvolvemos um gerador de dados sísmicos sintéticos rotulados. Com esses dados, criamos nossos modelos baseados nas arquiteturas da Pix2Pix, Pix2PixHD e SPADE e utilizamos estes modelos para realizar a predição de dados sísmicos sintéticos e dados sísmicos reais. Nossos resultados, tanto em dados sísmicos sintéticos quanto em reais, sugerem que as abordagens propostas são promissoras, apresentando melhorias significativas na relação sinal-ruído e no ganho de altas frequências. Com isso, é possível utilizar as GANs como ferramentas de apoio para os especialistas de sísmica, de modo a auxiliar as análises sísmicas e tomadas de decisões de forma mais rápida e assertiva.
Banca examinadora
Titulares:
Sandra Eliza Fontes de Avila IC/UNICAMP
Lúcio Tunes dos Santos IMECC/UNICAMP
Hélio Pedrini IC/UNICAMP
Suplentes:
Gerberth Adín Ramírez Rivera IC/UNICAMP
Jorge Henrique Faccipieri Junior CEPETRO/UNICAMP