Опыт применения машинного обучения при анализе сейсмических данных для выделения тектонических нарушений в различных сейсмогеологических условиях

Обложка

Цитировать

Полный текст

Аннотация

В статье представлены результаты сравнительного анализа алгоритмов автоматического выделения тектонических нарушений на основании сейсмических данных, зарегистрированных в разных сейсмогеологических условиях. Для каждого типа геологического разреза (платформа, соляная тектоника, морские данные) был проведен расчет куба вероятности нарушений, выделенных аналитическим алгоритмом и с использованием обученных нейронных сетей.

Об авторах

Сергей Викторович Николаенко

Филиал ООО «ЛУКОЙЛ-Инжиниринг» «ПермНИПИнефть»

Россия, 400078, г. Волгоград, проспект им. В. И. Ленина, д. 96

Андрей Александрович Коваленко

ООО «ЛУКОЙЛ-Инжиниринг»

пр. Ленина, д. 96

Андрей Эдуардович Натеганов

ООО «ЛУКОЙЛ-Инжиниринг»

пр. Ленина, д. 96

Павел Николаевич Крук

ООО «ЛУКОЙЛ-Инжиниринг»

пр. Ленина, д. 96

Александр Борисович Дерюшев

ООО «ЛУКОЙЛ-Инжиниринг»

пр. Ленина, д. 96

Список литературы

  1. Barnes A. E. A filter to improve seismic discontinuity data for fault interpretation // Geophysics. 2006. Vol. 71, iss. 3. P. 1MJ-Z55. https://doi.org/10.1190/1.2195988
  2. Hall B. Facies classification using machine learning // The Leading Edge. 2016. Vol. 35, iss. 10. P. 818–924. https://library.seg.org/doi/10.1190/tle35100906.1
  3. Феоктистова О. В., Авдеев П. А. Инновационный подход к решению задачи интерпретации тектонических нарушений. Внедрение методики вероятностного прогноза систем нарушений на базе алгоритмов искусственного интеллекта // Нефть, газ, новации. 2021. № 4. С. 25–30. EDN: QZSAYD
  4. Авдеев П. А., Базанов А. К., Ефремов И. И., Мифтахов Р. Ф. Переход к использованию цифровых помощников в кинематической интерпретации данных СРР на примере задачи повышения качества сейсмических данных после суммирования и достоверности прогноза тектонической модели // Вестник нефтегазовой отрасли Казахстана. 2022. Т. 4, № 1. С. 50–57.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML


Creative Commons License
Эта статья доступна по лицензии Creative Commons Attribution 4.0 International License.

Согласие на обработку персональных данных

 

Используя сайт https://journals.rcsi.science, я (далее – «Пользователь» или «Субъект персональных данных») даю согласие на обработку персональных данных на этом сайте (текст Согласия) и на обработку персональных данных с помощью сервиса «Яндекс.Метрика» (текст Согласия).