Прогнозирование параметров залежи на основе пространственно-внимательных нейронных процессов

При прогнозировании параметров залежи с использованием сейсмических атрибутов разреженность данных каротажа существенно ограничивает применение глубоких нейронных сетей. Для решения этой проблемы мы вводим модель Neural Processes (NPs) для установления эффективного соответствия между параметрами залежи из каротажа и сейсмическими атрибутами. С целью повышения выразительной способности модели мы встраиваем в рамки NPs двойные механизмы внимания, вдохновлённые пространственной геостатистикой. Эти механизмы реализованы как модули пространственного внимания и внимания к атрибутам для захвата зависимости параметров от пространственного положения и корреляций атрибутов. Это привело к разработке модели Spatially Attentive Neural Processes (SANPs). В процессе оптимизации используется стратегия метаобучения на основе контекста для эффективного изучения взаимосвязей между образцами, что обеспечивает способность к обучению с малого числа примеров. На этапе инференса, интегрируя представления пространственной и атрибутивной корреляций, извлечённые из известных входных образцов, в качестве ограничений, модель достигает стабильной предсказательной способности. Эксперименты на синтетических данных и применение на полевых данных демонстрируют, что предложенная модель может точно прогнозировать параметры залежи в пределах изучаемой области, характеризовать их пространственные распределения и обеспечивать количественную оценку надёжности посредством оценки дисперсии.