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. Результаты проекта опубликованы в издании «PROнефть. Профессионально о нефти».

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 кандидат физико-математических наук Александр 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.

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 объёмов сейсморазведочных данных», — резюмировал Александр Яблоков.

Исследование выполнено при поддержке совместного гранта Российского научного фонда и правительства Новосибирской области № 23-27-10042.

Источник: пресс-служба ИНГГ СО РАН.