Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal Jurnal Geofisika
Ekkal Dinanto
Teknik Geofisika, Institut Teknologi Bandung
Earth & Planetary Sciences Energy Physics

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Ekstrapolasi Frekuensi Rendah pada Full Waveform Inversion (FWI) dengan menggunakan Deep Learning. Part 1 : Validasi data Sintetik Asido Saputra Sigalingging; Ignatius Sonny Winardhie; Ekkal Dinanto
Jurnal Geofisika Vol 19 No 2 (2021): Special Issues | Seismic Quantitative Interpretation |Jurnal Geofisika
Publisher : Himpunan Ahli Geofisika Indonesia (HAGI)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36435/jgf.v20i2.518

Abstract

Kandungan seismik frekuensi rendah sangat berperan penting terhadap hasil inversi pada pemodelan Full Waveform Inversion(FWI). Kehilangan frekuensi rendah dari data seismik akan membuat model akhir FWI sulit untuk konvergen. Penelitian ini melakukan ekstrapolasi frekuensi rendah dengan menggunakan deep learning. Dataset diperoleh dengan melakukan pemodelan ke depan seismik akustik menggunakan finnite difference dari beberapa model P-Wave sintetis. Data seismik hasil pemodelan kemudian dipisah menggunakan filter Butterworth, sehingga diperoleh data seismik dengan frekuensi rendah < 5 Hz, dan frekuensi tinggi > 5 Hz. Data frekuensi tinggi dan frekuensi rendah masing-masing berurutan sebagai input dan output data yang akan digunakan sebagai data latih model deep learning. Model deep learning Multi-Ouput Reggresion yang digunakan dalam penelitian ini yakni Multi-Layer Perceptron(MLP) dan Convolutional Neural Networks(CNN). Evaluasi dan testing yang dilakukan terhadap model deep learning memberikan hasil akurasi yang baik. Berdasarkan hasil validasi akurasi model deep learning yang dilakukan, kedua model deep learning potensial untuk diterapakan pada ekstrapolasi frekuensi rendah data real sebelum dilakukan pemodelan Full Waveform Inversion(FWI).
Co-Authors Asido Saputra Sigalingging Ignatius Sonny Winardhie