Details
Title | Reconstruction of medium reflectivity coefficients based on seismic data through machine learning // Научно-технические ведомости Санкт-Петербургского государственного политехнического университета. Сер.: Информатика. Телекоммуникации. Управление: научное издание. – 2018. – |
---|---|
Creators | Krasnov F. V.; Butorin A. V.; Mikheyenkov A. V. |
Organization | Gazpromneft STC; Institute for High Pressure Physics RAS |
Imprint | Санкт-Петербург: Изд-во Политехн. ун-та, 2018 |
Collection | Общая коллекция |
Subjects | Геофизика; Сейсмология; сейсмические данные; машинное обучение; отражающие плоскости; свойства отражающих плоскостей; реконструкция свойств плоскостей; обработка сигналов; коэффициенты отражения; seismic data; machine learning; reflective planes; properties of reflecting planes; reconstruction of properties planes; processing of signals; reflection coefficient |
UDC | 550.34 |
LBC | 26.217 |
Document type | Article, report |
File type | Other |
Language | English |
DOI | 10.18721/JCSTCS.11102 |
Rights | Свободный доступ из сети Интернет (чтение, печать, копирование) |
Record key | RU\SPSTU\edoc\53969 |
Record create date | 10/17/2018 |
We have developed a new method of processing seismic data which allows to locate reflecting planes and compute values of reflectivity coefficients with high degree of precision. To resolve this problem, we have used the Semi-supervised learning method. The machine learning method made it possible to develop a mathematical model, optimize its parameters for synthetic data in order to further use the model for unmarked-up seismic data. The main novelty is in developing a learning algorithm using signal convolution and reflectivity coefficients’ regularization.
Описан новый метод обработки сейсмических данных, который позволяет определить положение отражающих плоскостей и значения коэффициентов отражения с высокой точностью. Для решения задачи использована методика машинного обучения. Применение методов машинного обучения позволило создать математическую модель, оптимизировать ее параметры на синтетических данных для дальнейшего применения на неразмеченных сейсмических данных. Основным новшеством стала разработка алгоритма обучения, использующего свертку сигнала и регуляризацию коэффициентов отражения.
Access count: 379
Last 30 days: 16