Faida:
- Uwezo wa kudhibiti ukandamizaji wa kelele wa msingi wa akili na njama tofauti na kuzuia tafakari dhaifu lakini ya kweli isifutwe.
- Uwezo wa kutambua hatari ya deconvolution kutoa azimio la uwongo na mtego wa tafsiri ya ufuatiliaji kuunda miundo ya roho na kuifuata kwa barakoa.
- Uwezo wa kuthibitisha uhalali wa kimwili kwa kuunganisha matokeo ya usindikaji na tie ya kisima
Unachokiona unapofungua rekodi mbichi ya tetemeko mara chache huwa "picha ya sehemu ndogo." Badala yake, unaona mchanganyiko changamano: mawimbi halisi yanayoakisiwa kutoka chini ya ardhi, mawimbi ya uso, kelele nasibu, uakisi mwingi, na upotoshaji wa asili wa rekodi. Usindikaji wa data ya tetemeko ni mchakato wa kusafisha hatua kwa hatua, kuoanisha na kubadilisha rekodi hii mbichi kuwa taswira inayoweza kufasirika ya chinichini. Katika kitengo hiki, tutaelezea jinsi akili ya bandia (AI) ni kichochezi chenye nguvu cha mchakato huu, haswa katika hatua kama vile kupunguza sauti, kusitisha na kukosa kujaza alama; lakini tutaona kwa nini maamuzi ya parameter na uhalali wa kimwili bado yanabaki na mtaalam.
Anatomy ya data ya seismic
Wacha tuanze na faharasa fupi. Ufuatiliaji ni mfululizo wa amplitude unaotegemea wakati uliorekodiwa na mpokeaji mmoja. Wakati athari nyingi zinakuja pamoja, sehemu huundwa. Sampuli ya muda ni muda kati ya thamani mbili za amplitude (k.m. 2 ms). Tafakari halisi ndani ya ishara hutoka kwa tofauti ya impedance ya acoustic ya mipaka ya safu kwenye uso wa chini; Madhumuni ya kuchakata ni kutenganisha tafakari hizi na kelele na kuziweka katika eneo sahihi la nafasi ya saa.
Kelele huja katika aina mbili kuu: kelele nasibu (isiyofuatana, isiyotegemea nyimbo) na kelele thabiti (kelele thabiti - ya kawaida, yenye nguvu, inayofunika mawimbi, kama vile mawimbi ya uso/ardhi). Mbinu zinazotegemea AI mara nyingi hunyumbulika zaidi kuliko vichujio vya kitamaduni katika kutenganisha aina hizi mbili kwa sababu hutumia ubaguzi changamano unaojifunza kutoka kwa sampuli badala ya dirisha lisilobadilika la kasi ya marudio.
Ukandamizaji wa kelele na AI
Ukandamizaji wa kelele wa kawaida hufanywa kwa vichungi kulingana na frequency, kasi (f-k filter) au takwimu. Vikandamiza kelele vinavyotokana na AI (hasa mitandao ya neva ya kubadilisha, CNN kwa kifupi; mitandao inayojifunza mifumo ya ndani katika data inayofanana na picha) hujifunza kutoka kwa "ingizo la kelele → pato safi" sampuli za jozi. Faida yake: inaweza kufanya tofauti inayozingatia muktadha badala ya sheria iliyowekwa wakati wa kutenganisha ishara kutoka kwa kelele. Hatari: tabia ya kufuta mawimbi au kuacha kelele kama ishara unapokumbana na aina ya kelele ambayo haiko kwenye data ya mafunzo.
Hatari kuu zaidi ni hii: kikandamiza kelele cha AI kinaweza kukosea tafakari dhaifu lakini halisi ya kelele na kuiondoa. Kwa hivyo kanuni ya dhahabu: hakikisha kutazama tofauti (sehemu iliyoondolewa) kabla na baada ya kukandamiza kelele. Ukiona muundo wa kuakisi thabiti katika sehemu iliyoondolewa, kichujio kinakula ishara.
Kidokezo: Panga safu ya "kelele" inayotolewa na kikandamiza kelele cha YZ kama kipande tofauti (njama ya tofauti). Mabaki ya mkandamizaji mzuri huonekana kwa nasibu; Ikiwa kuna slanted, tafakari zinazoendelea ndani yake, chujio ni fujo sana na unahitaji kupunguza parameter.
Deconvolution: kurudisha saini ya chanzo
Deconvolution ni mchakato unaojaribu kufichua mfululizo wa uakisi wa kweli wa uso mdogo kwa kutoa saini ya wimbi la chanzo (chanzo cha wimbi - muundo wa mawimbi unaozalishwa na mlipuko/vitetemeko) kutoka kwa ufuatiliaji uliorekodiwa. Lengo ni kuongeza azimio na kukandamiza tafakari nyingi. AI inaweza kuboresha ukadiriaji wa mawimbi na uimara wa kelele katika utatuzi; Hata hivyo, dekoni ikitumiwa kupita kiasi, itakuza kelele ya masafa ya juu na kutoa azimio la uwongo. AI ni injini ya mapendekezo hapa pia; Uteuzi wa mwisho wa kigezo (urefu wa opereta wa dekoni, uwekaji weupe kabla) umewekwa kwa ustadi kulingana na tabia halisi ya athari.
Ufafanuzi wa ufuatiliaji usio kamili na sampuli za kawaida
Wapokeaji wengine hushindwa kwenye uwanja, mistari mingine hukusanywa bila kukamilika; Matokeo yake, mapungufu hutokea katika data. Ufafanuzi wa msingi wa AI (kujaza alama zinazokosekana kwa kujifunza kutoka kwa majirani) ni muhimu sana katika kupata gridi ya kawaida kabla ya uhamiaji. Hata hivyo, ufuatiliaji uliojaa ni makadirio, sio kipimo; Athari hizi hazipaswi kutibiwa kwa uzito sawa kama data halisi katika tafsiri, lakini zinapaswa kuwekwa alama tofauti katika matokeo.
Tahadhari: Ikiwa ufuatiliaji unaotolewa kwa tafsiri utaendelea kama "data halisi" katika hatua zinazofuata, unaweza kusababisha kuundwa kwa muundo usiopo. Fuatilia seli zilizojaa na mask; Ikiwa muundo muhimu unaonekana tu katika eneo lililoingiliana, usiamini.
kesi tatu ndogo
Kesi ya 1 - Msingi wa kujifunza mtandao. Katika tetemeko la ardhi, mawimbi yenye nguvu ya uso (ardhi roll) yalikuwa yanafunika ishara. Timu ilitumia kikandamiza kelele cha CNN ambacho kilijifunza kutoka kwa rekodi 800 zilizosafishwa kwa mikono; muda wa usindikaji ulipungua kutoka dakika 12 hadi sekunde 40 kwa kila rekodi. Timu ilikagua rekodi za 5% kutoka kwa kila kundi na ikathibitisha kuwa hakuna upotezaji wa mawimbi kwa mpangilio tofauti.
Kesi ya 2 - Imefuta tafakari dhaifu. Katika mradi mwingine, kikandamizaji cha YZ kilichopangwa kwa ukali kilifanya onyesho hafifu lakini halisi la hifadhi kwa sekunde 2.4 kwa kelele na kuifuta. Tofauti ilionekana tu wakati tie ya seismic vizuri ilianzishwa: safu ya wazi katika kisima haikuwepo katika sehemu hiyo. Wakati parameta ililainishwa na kuchakatwa tena, tafakari ilirudi.
Kesi ya 3 - mzimu wa kufasiriwa. Katika sauti ya 3D ambapo mistari iliyokosekana ilijazwa na AI, mtoaji maoni aligundua muundo wa njia fiche. Kuangalia mask ya kujaza, aliona kuwa chaneli ilianguka haswa kwenye nafasi iliyoingiliana. Wakati data ya ziada ya uga ilikusanywa, ilionekana wazi kuwa chaneli haikuwepo, lakini muundo uliotolewa na utabiri.
Violezo vinne vinavyoweza kunakiliwa
1) Inachakata mchoro wa mtiririko:
Jukumu lako: mtaalamu wa usindikaji wa seismic. Data: [ardhi/bahari, 2D/3D, sampuli 2 ms, lengo 1-4 km]. Niainishe mtiririko wa usindikaji wa hatua kwa hatua (uchakataji wa awali → ukandamizaji wa kelele → dekoni → uchanganuzi wa kasi → uhamiaji). Katika KILA hatua, andika ni uamuzi gani unahitaji vigezo na kile ninachopaswa kutafuta katika kuchagua kigezo hicho.
2) Mpango wa kudhibiti ukandamizaji wa kelele:
Niliweka kikandamiza kelele cha AI. Nipe orodha ya ukaguzi: ninapaswa kutafuta nini katika njama ya tofauti, ninawezaje kutambua upotezaji wa mawimbi, ni kipimo gani ninapaswa kulinganisha kabla/baada, ni kiwango gani cha kurekodi ninapaswa kuangalia mwenyewe? Andika fupi na inayoweza kutekelezeka.
3) Ushauri wa kigezo cha deconvolution:
Jukumu lako: mshauri wa usindikaji. Ninaweka utatuzi na kelele ya masafa ya juu iliongezeka. Eleza sababu zinazowezekana, urefu wa opereta, na athari ya mpangilio wa kuweka weupe mapema. Nitajuaje ikiwa deco ya kupindukia inazalisha azimio la uwongo? Toa sababu za kila pendekezo.
4) Ufuatiliaji wa mask ya tafsiri:
Nilijaza alama zilizokosekana na AI. Niambie jinsi ya kuweka seli zilizojaa alama katika hatua zinazofuata, jinsi ya kutenganisha maoni kutoka kwa data halisi, na jinsi ya kuondoa "muundo unaoonekana tu katika eneo lililoingiliwa".
Mwongozo dhaifu / Mwongozo thabiti
Agizo dhaifu:
Futa kelele katika ufanisi wa seismic, sema mpangilio bora zaidi.
"Mpangilio bora" haupo huru na data; AI inatoa pendekezo la jumla, lisiloweza kudhibitiwa.
Agizo lenye nguvu:
Jukumu lako: mtaalamu wa usindikaji wa seismic. Mavuno: 2D nyeusi, msuguano thabiti wa msingi (5-12 Hz), uakisi unaolengwa 20-45 Hz, sampuli 2 ms. Kazi: pendekeza mbinu ya kukandamiza kelele, eleza kwa maneno ya kasi ya masafa ni kijenzi kipi cha kuhifadhi na kipi cha kukandamiza. Ninawezaje kufuatilia hatari ya upotezaji wa mawimbi (metriki za differenceplot) na ninalinganisha na metriki gani kabla/baada yake? Usiseme tu "ingiza mpangilio huu"; Toa vigezo vya maamuzi.
Kwa kuzingatia mhusika wa data, bendi lengwa, na vigezo vya udhibiti, matokeo yanawezekana kweli.
Hatua za usindikaji na jukumu la AI
Hatua ya usindikaji
Mchango wa AI
Hatari kuu
uamuzi wa mwanadamu
Ukandamizaji wa kelele bila mpangilio
juu
Futa ishara dhaifu
Uthibitishaji wa parameta
Kelele thabiti (ardhi ya chini)
juu
kukandamiza kupita kiasi
Udhibiti wa njama tofauti
deconvolution
kati
azimio bandia
Opereta/weupe
Fuatilia tafsiri
kati
kujenga roho
Ufuatiliaji wa mask
Uchambuzi wa kasi
kati
Uhamiaji kwa kasi isiyo sahihi
Imethibitishwa na vizuri
Makosa ya kawaida
- Kukandamiza bila kuangalia njama ya tofauti. Hutaona upotezaji wa mawimbi hadi uone kijenzi kilichoondolewa.
- Kuzidisha dekoni. Kukosea kwa kelele ya masafa ya juu kwa azimio hutoa tabaka potofu.
- Hesabu ufuatiliaji ulioingiliwa kama data halisi. Kuacha seli zilizojazwa bila alama hutengeneza muundo wa mzimu.
- Kuangalia kipimo kimoja. Itakuwa ya kupotosha kuangalia tu uwiano wa ishara-kwa-kelele na kupuuza uhifadhi wa kuakisi.
- Kupita tie ya kisima. Kuendelea kutafsiri matokeo ya usindikaji bila kuiunganisha na data ya kisima.
Kwa muhtasari
Katika usindikaji wa tetemeko, AI hutoa kasi kubwa zaidi na mara nyingi utengano unaonyumbulika zaidi katika ukandamizaji wa kelele, utatuzi, na tafsiri ya ufuatiliaji. Lakini kuna mtego wa kimwili katika kila hatua: kufuta ishara dhaifu, kutoa azimio la uongo, na kusababisha mabaki ya roho. Ndio maana vidhibiti kama vile udhibiti wa njama tofauti, kufunga kisima na kinyago cha tafsiri ni muhimu sana. AI inapendekeza vigezo; Ni mtaalam ambaye anaidhinisha parameta kulingana na fizikia ya data na kufanya matokeo yaweze kufasiriwa.
Jukumu la maombi
Fafanua hatua ya kukandamiza kelele kwenye sehemu ya seismic (halisi au sampuli). Chambua mtiririko huo kwa kiolezo cha "Uchakataji mtiririko wa muhtasari", kisha utoe orodha hakiki yenye kiolezo cha "Mpango wa kudhibiti ukandamizaji". Linganisha vipande vya kabla/baada na mpangilio wa tofauti na utathmini kwa maneno yako mwenyewe ikiwa kuna uakisi thabiti katika kijenzi kilichoondolewa.
orodha ya ukaguzi
- [ ] Nililinganisha kabla/baada ya kukandamiza kelele na njama ya tofauti.
- [ ] Nimethibitisha kuwa hakuna ishara thabiti katika kijenzi kilichoondolewa.
- [ ] Niliangalia matokeo ya dekoni kwa azimio la uwongo.
- [ ] Niliweka alama zilizowekwa alama kwa barakoa.
- [ ] Nilifunga matokeo na data ya kisima (funga vizuri).