公告与问询 Hanyang University Shanghai Center

汉阳新闻

HOME   gt   公告与问询   gt   汉阳新闻
[学生] 李宰囿学生在 Mass Works 主办的"大学生AI竞赛大会"上荣获亚军
  • 관리자
  • |
  • 1115
  • |
  • 2022-02-07 09:21:05

  汉阳大学物理勘探研究室的李宰囿学生在Mass Works主办的"AI大学生竞赛"上因制造了"利用LSTM的弹性波勘探资料内部模量"而荣获这次大赛的亚军。该学生在高分辨率物理探测方法上采用了深度学习算法(科学技术名,非人类学习或算术方法的名称,译者注)解决了现有机器学习技术的数据质量问题。该技术还可以用于石油勘探、碳获取与收集、储存监控等不同领域上。

 

  该学生介绍了"利用长短期记忆(LSTM, 英文全名:Long Short-Term Memory)的弹性波勘探资料内部模量"。

 

汉阳大学的李宰囿学生正在介绍 Traces-to-trace 接近法。 ⓒMax Works的活动截图。

汉阳大学的李宰囿学生正在介绍 Traces-to-trace 接近法。 ⓒMax Works的活动截图。

 

  该学生表示:"我在该模量中采用了 Traces-to-trace 接近法。"Trace-to-Trace方法是在特定区域的信息被遗漏时,用已经收集的数据推测遗漏的部分的方式。这时训练 AI 的内插函数,使其预测遗漏的信息痕迹讯号以完成整幅图画。

 

  他解释说:"该相关技术需要4个过程来制作。"首先,通过使用Mass Works的塞锡斯实验室(SeisLab) Adon的Hyper Paramer生成符合TrainNetwork和预测函数的变数。之后为了学习而设置 Hyper Paramer。用Matlab深度学习工具箱(Deep Learning Toolbox)计算图表的加权值。最后进行了预测目标的痕迹、储存设置过程。

 

(左)在训练中使用的文森特油田的输入数据,该数据基于(右) trace-to-trace 接近法为基础的重组的外输数据

(左)在训练中使用的文森特油田的输入数据,该数据基于(右) trace-to-trace 接近法为基础的重组的外输数据

 

  该学生强调:"从西澳大利亚海岸文森特(Vincent)油田收集的弹性波勘探资料和从墨西哥湾(Gulf of Mexico)地区收集的弹性波探勘资料得出了遗漏的地震学数据预测值。"他还说:"这时可以确认以 Trace-Two-Trace 接近法为基础的干涉运算法的高准确度。" 他也解释说:"与现有的研究方法相比,误差率更低。"

 

  目前汉阳大学物理勘探研究室正在申请有关弹性波勘探的Trace-To-Trace接近法的国内与国际的知识产权专利。​ 

上一篇 [教授] 李永武教授的共同研究小组投身于低成本氢气生产水电解技术的新老技术交替
下一篇 [成就] ERICA校区连续两年荣获最佳创业发源地头衔,和谱写荣誉的主角们见面
비밀번호 입력
비밀번호
확인
비밀번호 입력
비밀번호
확인
TOP