2018 №1 - перейти к содержанию номера...

Постоянный адрес этой страницы - https://esj.today/29itvn118.html

Полный текст статьи в формате PDF


Ссылка для цитирования этой статьи:

Буторин А.В., Краснов Ф.В., Михеенков А.В. Восстановление коэффициентов отражения среды по сейсмическим данным при помощи методов машинного обучения // Вестник Евразийской науки, 2018 №1, https://esj.today/PDF/29ITVN118.pdf (доступ свободный). Загл. с экрана. Яз. рус., англ.


Восстановление коэффициентов отражения среды по сейсмическим данным при помощи методов машинного обучения

Буторин Александр Владимирович
ООО «Газпромнефть НТЦ», Санкт-Петербург, Россия
Эксперт
E-mail: Butorin.AV@gazpromneft-ntc.ru
ORCID: http://orcid.org/0000-0002-6074-1439
РИНЦ: https://elibrary.ru/author_profile.asp?id=877389
SCOPUS: http://www.scopus.com/authid/detail.url?authorId=56370048400

Краснов Федор Владимирович
ООО «Газпромнефть НТЦ», Санкт-Петербург, Россия
Эксперт
Кандидат технических наук
E-mail: Krasnov.FV@Gazprom-Neft.ru
ORCID: http://orcid.org/0000-0002-9881-7371
РИНЦ: https://elibrary.ru/author_profile.asp?id=855886
Researcher ID: http://www.researcherid.com/rid/C-6518-2018

Михеенков Андрей Витальевич
ФГБУН «Институт физики высоких давлений им. Л.Ф. Верещагина Российской Академии Наук», Москва, Россия
Ведущий научный сотрудник
Доктор физико-математических наук, доцент
E-mail: mikheen@bk.ru
Researcher ID: http://www.researcherid.com/rid/L-2103-2013

Аннотация. Сейсморазведка один из немногих универсальных геофизических методов получения информации о недрах. Отраженный сигнал, содержащийся в сейсмических данных несет информацию о свойствах среды через которую он прошел. Коэффициенты отражения определяются изменением упругих свойств среды и являются основой для интерпретации сейсмических данных, а также прогноза геологического строения. В настоящем исследовании авторы разработали новый метод обработки сейсмических данных, который позволяет определить положение отражающих плоскостей и значения коэффициентов отражения с высокой точностью. Для решения задачи авторы использовали методику частичного обучения (Semi-supervised learning). Применение методов машинного обучения позволило создать математическую модель, оптимизировать ее параметры на синтетических данных для дальнейшего применения модель на неразмеченных сейсмических данных. Основным новшеством стала разработка алгоритма обучения использующего свертку сигнала и регуляризацию коэффициентов отражения. Полученная авторами модель показала высокую точность на синтетических сейсмических данных с высокой плотностью отражающих плоскостей (102 плоскостей на секунду трассы). Достигнутый таким образом низкий уровень ошибки позволяет существенно улучшить количественное понимание структуры недр на основании сейсмических данных и является надежной основой для построения геологических моделей.

Ключевые слова: сейсморазведка; методы машинного обучения; оптимизационная проблема; регуляризация

Скачать

Creative Commons License
Контент доступен под лицензией Creative Commons Attribution 4.0 License.

ISSN 2588-0101 (Online)

?>