Глубокое обучение для совместной геофизической инверсии сейсмических и МТ-данных
Deep learning for joint geophysical inversion of seismic and MT data sets
2021-09-01
SCID: 54.1/ysj5pcap
Discuss with AI
кажущееся сопротивлениеискусственные нейронные сетисовместная геофизическая инверсиямагнитотеллурические данныесейсмические данные
Figures from the paper
Abstract (AI)
Использование более чем одного геофизического метода обеспечивает более надежное выделение строения недр по сравнению с применением только одного геофизического метода. В данной работе представлен новый подход к совместной инверсии сейсмических и магнитотеллурических (МТ) наборов данных с использованием искусственных нейронных сетей. На основе различных моделей горных пород вычисляется совместная зависимость между пористостью, содержанием глинистого материала, скоростью и удельным электрическим сопротивлением пластов. Полученные таким образом модели скоростей и удельного электрического сопротивления используются для расчета сейсмических трасс и кривых кажущегося сопротивления, которые образуют набор данных для обучения и тестирования нейронной сети. Такой подход к выполнению совместной инверсии эффективен при проверке надежности модели машинного обучения в областях низких скоростей или в случаях, когда одно физическое свойство не изменяется по слоям, тогда как другое изменяется, поскольку, в отличие от других оптимизационных схем, применяемых для геофизической инверсии, он не требует повторного запуска модели для каждой начальной модели. Оценивается эффективность искусственных нейронных сетей (ИНС) при выполнении совместной инверсии; в процессе работы разработан конкретный тип архитектуры ИНС.
Key Findings
1
Предложен новый подход на основе искусственной нейронной сети для совместной инверсии сейсмических и магнитотеллурических данных с использованием взаимосвязей между свойствами недр.
2
Совместная инверсия на основе ИНС позволяет проверять надежность модели в областях низких скоростей и при постоянстве одного физического свойства и изменении другого.
3
Синтетические модели горных пород связывают пористость и содержание сланца со скоростью сейсмических волн и электрическим сопротивлением для формирования обучающих и тестовых данных.
4
Сформированные модели скорости и сопротивления используются для вычисления сейсмических трасс и кривых кажущегося сопротивления, на которых обучается и оценивается нейронная сеть.
5
В отличие от традиционной оптимизационной инверсии, этот подход не требует повторного запуска модели для каждого начального приближения; разработана и протестирована специализированная архитектура ИНС.
Research Object
Подповерхностные горные породы и стратифицированные геологические слои, характеризуемые пористостью, содержанием сланца, сейсмической скоростью и электрическим сопротивлением и исследуемые по сейсмическим и магнитотеллурическим (MT) данным
Research Subject
Совместная инверсия сейсмических и магнитотеллурических откликов для выявления взаимосвязей между пористостью, содержанием сланца, сейсмической скоростью и электрическим сопротивлением с использованием искусственных нейронных сетей
Publication Details
Publication Date
2021-09-01
Journal
Publisher
ISSN
Cited by
6
Access Type
Author Information
Download PDF
Subscribe to digest