Banca de DEFESA: MATHEUS FELIPE FREITAS TOMAZ

Uma banca de DEFESA de MESTRADO foi cadastrada pelo programa.
DISCENTE : MATHEUS FELIPE FREITAS TOMAZ
DATA : 26/09/2025
HORA: 14:00
LOCAL: Plataforma Google Meet
TÍTULO:

Reconstrução do campo de onda em experimentos OBN multicomponentes usando redes neurais generativas baseadas em aprendizado supervisionado

PALAVRAS-CHAVES:

Aprendizado Profundo, Pix2Pix, Denoising Diffusion Probabilistic Models, campo de onda OBN

PÁGINAS: 108
RESUMO:

A propagação de ondas geradas artificialmente é uma das principais ferramentas da geofísica de exploração, sendo amplamente empregado na indústria de petróleo e gás para o mapeamento de estruturas geológicas em subsuperfície. Em particular, experimentos de fundo oceânico com nós multicomponentes (Ocean Bottom Nodes – OBN), permitem a aquisição completa do campo de onda, por meio da medição da pressão (Hidrofone) e das três componentes do vetor velocidade (Geofone). Apesar da riqueza informacional, a instalação desses nós envolve custos e desafios operacionais. Neste contexto, investigamos a utilização de dois modelos generativos baseados em aprendizado profundo supervisionado - o Pix2Pix e o Denoising Diffusion Probabilistic Model (DDPM) - para a conversão de sinais adquiridos por hidrofones em registros equivalentes aos captados por geofones. Esses tipos de modelos podem aprender o mapeamento direto entre pares de dados de pressão (entrada) e componentes de velocidade (saída), explorando as propriedades cinemáticas e dinâmicas do campo de onda sem a necessidade de impor restrições físicas explícitas. A partir de um cenário 2D e com um conjunto de dados sintéticos acústicos, investigamos a performance dos modelos em três cenários de esparsidade, explorando características, vantagens e desvantagens de cada um. Os resultados obtidos mostraram a capacidade dos modelos em reproduzir de forma satisfatória as características físicas do campo de onda. Métricas quantitativas, como erro quadrático médio relativo (RMSE) e o índice de medida da similaridade estrutural (SSIM), corroboram a qualidade das predições, enquanto que as análises no domínio do dado migrado sugerem que esses modelos podem ser uma alternativa promissora para substituir parcialmente nós multicomponentes por hidrofones.

MEMBROS DA BANCA:
Externo à Instituição - EDWIN HUMBERTO FAGUA DUARTE - UFRN
Presidente - 2492756 - JOAO MEDEIROS DE ARAUJO
Externo à Instituição - JORGE LUIS LOPEZ
Interno - 2411793 - LEONARDO DANTAS MACHADO
Externo à Instituição - Pedro da Silva Peixoto - USP