<![CDATA[Data seismik penting untuk studi geofisika, tetapi sering menghadapi gangguan yang memperumit analisis struktur bawah tanah. Penelitian ini memperkenalkan metode baru menggunakan deep learning untuk mengurangi noise dalam rekaman seismik. Ini menggabungkan Denoising Autoencoder (DAE) dengan Generative Adversarial Network (GAN). Dalam metode ini, model U-Net berfungsi sebagai Generator untuk membuat sinyal bebas noise dari input yang terkontaminasi. Sebuah Discriminator berbasis CNN membedakan antara sinyal yang dihasilkan dan sinyal asli. Fungsi Loss Generator mencakup Mean Squared Error (MSE) untuk akurasi dan Adversarial Loss untuk fitur yang realistis. Model ini dilatih pada dataset STEAD dan kinerjanya dievaluasi dengan ukuran seperti Signal To Noise Ratio Sinyal (SNR), RMSE, dan PRD. Hasil menunjukkan bahwa model ini meningkatkan SNR dan menghasilkan sinyal bersih yang mirip dengan aslinya baik secara visual maupun spektral. Pendekatan ini dapat meningkatkan otomatisasi dan efisiensi dalam praproses data seismik.]]>
Copyrights © 2026
