СТАТИСТИЧНА КОРЕКЦІЯ ПРИПОВЕРХНЕВИХ СПОТВОРЕНЬ ДЛЯ ПІДВИЩЕННЯ НАДІЙНОСТІ ІНТЕРПРЕТАЦІЇ СЕЙСМІЧНИХ ДАНИХ З ВИКОРИСТАННЯМ МАШИННОГО НАВЧАННЯ
Ключові слова:
статистична обробка, глибинне навчання, геологічна інтерпретація сейсмічних даних, нейронні мережі, обробка сейсмічних данихАнотація
Надійність інструментів машинного навчання для сейсмічної інтерпретації обмежується якістю вхідних даних, яка часто погіршується через спотворення у верхній частині геологічного розрізу (ВЧР). У роботі представлено статистичний метод для характеристики та корекції цих спотворень шляхом декомпозиції сейсмічних амплітуд. Точність цього методу підтверджено на синтетичній моделі, що доводить його здатність кількісно оцінювати властивості приповерхневих шарів. Далі, ми використовуємо контекстно-залежну мережу з довгою короткочасною пам'яттю (LSTM) як приклад, демонструючи, що такі інструменти можуть проводити інтерпретацію на «чистих», геологічно складних даних. Зроблено висновок, що гібридний робочий процес, де надійна, фізична підготовка даних передує аналізу за допомогою ШІ, є необхідною умовою для успішного застосування машинного навчання в реальних сейсмічних задачах.
Посилання
Піскунов О.В., Тяпкін О.К. Можливість використання методів глибинного навчання у інтерпретації елементів геологічного розрізу на сейсмічних даних. Сучасні проблеми гірничої геології та геоекології: Матеріали IV Міжнародної наукової конференції. Київ. ДУ НЦ ГГГІ НАН України, 2024. С.90-94.
Tiapkin O.K., Onyshchenko S.A., Piskunov O.V. Engineering-ecological research of the upper part of geological section using seismic data. Geofizychnyi Zhurnal. 2025. 47(2). P. 150-155.
Сучасні проблеми гірничої геології та геоекології: збірник матеріалів VI Міжнародної наукової конференції (Київ, 17 – 18 листопада 2025 р.)