cycleGAN을 이용한 단층 해석 목적 탄성파 단면 영상 변환
Seismic data Translation using cycleGAN for fault detection
Abstact
탄성파 탐사자료에서의 단층해석은 석유･가스 탐사, 이산화탄소 지중 저장 등 다양한 분야에 활용된다. 최근에는 단층해석 자동화를 위한 딥러닝 기반의 연구들이 많이 수행되고 있다. 지도학습 기반의 단층해석 모델을 학습시키는 경우 가장 큰 문제는 단층 라벨링이 어렵다는 점이다. 이러한 문제를 극복하기 위한 방법으로는 합성 탄성파 자료를 이용하는 방법이 있다. 학습에 사용되는 합성 자료의 품질에 따라 단층해석 성능이 크게 좌우되므로 합성 자료 생성 과정에는 최적화가 필요하다. 최적화는 현장 자료의 특성을 파악하고 그와 유사한 합성 자료를 생성하는 과정으로 분석을 위해 많은 시간과 노력을 필요로 한다. 이 연구에서는 단층 해석을 위한 학습 자료 최적화 과정을 효율적으로 수행하기 위한 방법으로 cycleGAN을 이용한다. cycleGAN은 unpaired image-to-image 변환이 가능한 신경망으로 합성 자료를 현장 자료화 시키거나 현장 자료를 합성 자료화 시키는 것이 가능하다. 이 연구에서는 cycleGAN을 통해 별도의 현장 자료 분석 과정 없이 단층해석을 위한 최적의 학습자료를 자동으로 생성할 수 있음을 확인했다.
