Iterative Least-Squares Method for Velocity Stack Inversion - Part B: CGG Method

속도중합역산을 위한 반복적 최소자승법 - Part B: CGG 방법

Recently the velocity stack inversion is having many attentions as an useful way to perform various seismic data processing. In order to be used in various seismic data processing, the inversion method used should have properties such as robustness to noise and parsimony of the velocity stack result. The IRLS (Iteratively Reweighted Least-Squares) method that minimizes ${L_1}-norm$ is the one used mostly. This paper introduce another method, CGG (Conjugate Guided Gradient) method, which can be used to achieve the same goal as the IRLS method does. The CGG method is a modified CG (Conjugate Gradient) method that minimizes ${L_1}-norm$. This paper explains the CGG method and compares the result of it with the one of IRSL methods. Testing on synthetic and real data demonstrates that CGG method can be used as an inversion method f3r minimizing various residual/model norms like IRLS methods.

속도중합의 역산을 이용하면 탄성파 자료처리에 있어서 다양한 처리가 가능하므로 이 분야는 최근에 들어 매우 유용한 영역으로 주목을 받고 있다. 하지만 다양한 처리에 적용하기 위해서는 사용되는 역산 방법이 잡음에 강하면서도 고해상도의 속도중합 결과를 만들 수 있어야 한다. 이러한 특성을 갖는 대표적인 역산에는 ${L_1}-norm$을 최소화시키는 IRLS(Iteratively Reweighted Least-Squares)방법을 주로 사용하였다. 본 논문에서는 이러한 성질을 갖는 또 다른 역산 방법의 하나로서 CGG (Conjugate Guided Gradient) 방법을 소개한다. CGG 방법은 반복적 최소자승법의 하나인 Conjugate Gradient (CG)방법을 변형시킨 형태로 ${L_1}-norm$을 최소화 시키는 역산법으로 활용할 수 있다. 본 논문에서는 CGG방법을 소개하고 기존의 IRLS방법과의 차이점 및 결과들을 비교하였다. 모의자료와 현장자료에 대한 실험결과를 통해서 CGG 방법이 IRLS방법과 마찬가지로 다양한 잔여/모델 norm을 최소화시키는 역산방법으로 사용될 수 있음을 보여준다.