В Институте нефтегазовой геологии и геофизики им. А.А. Трофимука СО РАН представили новую реализацию метода анализа и инверсии поверхностных волн (SWI), основанную на глубоком машинном обучении. Это позволяет автоматизировать и ускорить построение скоростной модели верхней части геологического разреза.
Почему эта работа важна?
Классический подход к обработке данных поверхностных волн заключается в извлечении и инверсии дисперсионных кривых. Как правило, исследователи выполняют эту операцию в ручном режиме, используя специальные компьютерные программы. Однако при обработке больших объёмов сейсморазведочных данных выполнять все необходимые операции вручную уже непрактично. В связи с этим, процесс извлечения дисперсионных кривых необходимо автоматизировать.
В последние годы нейронные сети обучились выделять те или иные объекты на изображениях со схожими характеристиками – например, распознавать лица на фотографиях или помогать в диагностике рентгеновских снимков.
– По аналогии с этими задачами, 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 Викторович Яблоков.
По его словам, нейронные сети устойчивы к случайному шуму и нетребовательны к вычислительным ресурсам. Кроме того, при использовании заранее обученной нейронной сети, нет необходимости дополнительной настройки параметров перед обработкой сейсморазведочных данных.
Что именно сделали в Институте?
В ИНГГ СО РАН разработали комплекс алгоритмов метода SWI, включающий в себя использование двух типов нейронных сетей (автоэнкодер для извлечения дисперсионных кривых и полносвязанную нейронную сеть для их инверсии).
Разработанные алгоритмы были апробированы на реальных данных, зарегистрированных в ходе наземных сейсморазведочных работ 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 А.В. Яблоков.
Исследование выполнено при поддержке совместного гранта Российского научного фонда и Правительства Новосибирской области № 23-27-10042, https://rscf.ru/project/23-27-10042/.