Ученые в Институте нефтегазовой геологии и геофизики (ИНГГ) им. А. А. Трофимука СО РАН при поддержке РНФ разработали алгоритмы анализа поверхностных сейсмических волн, основанные на глубоком машинном обучении. Это позволяет автоматизировать и ускорить построение скоростной модели верхней части геологического разреза. Об этом сообщили в пресс-службе института.
«Нейронные сети могут успешно выявлять сложные закономерности, описывающие нелинейный дисперсионный закон поверхностной волны», – отметил старший научный сотрудник лаборатории динамических проблем сейсмики ИНГГ СО РАН к.ф.-м.н. Александр Яблоков.
Учёные разработали комплекс алгоритмов метода анализа и инверсии поверхностных волн (SWI), включающий в себя использование двух типов нейронных сетей (автоэнкодер для извлечения дисперсионных кривых и полносвязанную нейронную сеть для их инверсии).
После чего алгоритмы использовали при сейсморазведочных работах на нефтегазовом месторождении в Ханты-Мансийском автономном округе. В результате, была успешно построена модель верхней части разреза
«Предложенный комплекс алгоритмов эффективно автоматизирует и ускоряет метод SWI, делая его применимым для обработки больших объемов сейсморазведочных данных», – резюмировал Александр Яблоков.
Учёные рассказали, что нейронные сети устойчивы к случайному шуму и нетребовательны к вычислительным ресурсам. А знание модели верхней части разреза в нефтегазовом месторождении позволяет лучше планировать разведку и точно определить места для бурения.
Ранее новосибирские ученые создали материалы для предотвращения обледенения аппаратов в космосе
Кирилл Суржик