Details

Данная работа посвящена разработке программной системы на Python для автоматизированного контроля качества (QC), 2D/3D-визуализации сейсмических данных, адаптированной для запуска на суперкомпьютере (на примере 20 профилей Восточно-Сибирского моря, 2101–2121). В ходе работы выполнен анализ предметной области, обоснован технологический стек, спроектирована модульная архитектура. Реализованы: генератор синтетических полевых данных (4 сценария: normal, storm, equipment_failure, shallow_gas) на основе стохастических процессов; QC-модуль, автоматически вычисляющий пять ключевых метрик (давление в пневмолиниях, вариации глубины буксировки, отношение сигнал/шум (SNRbg, SNRamb), количество мёртвых каналов) и формирующий статус съёмки; подсистема 2D/3D-визуализации (графики геометрии и давления, RMS-карты, спектры, анимации волнового поля, трёхмерная модель рельефа дна с пунктами взрыва); веб-сервис на Flask с интерактивной геопривязанной картой (Leaflet.js) и режимом сравнения двух съёмок. Апробация проведена на суперкомпьютерном кластере «Политехник-РСК Торнадо» (2× Intel Xeon E5-2697 v3, 28 ядер). Установлено, что: применение Numba с автоматическим распараллеливанием на 28 ядрах обеспечивает ускорение вычислительных операций в 2.7 раза по сравнению с однопоточным запуском на том же узле; полный цикл обработки одного профиля на суперкомпьютере занимает 17.3 минуты, что в 5.8 раза быстрее, чем на локальной рабочей станции; система адаптируется под различные форматы входных данных.

This work is devoted to the development of a Python-based software system for automated quality control (QC), 2D/3D visualisation and web-based presentation of seismic data, adapted for supercomputer execution (case study of 20 profiles in the East Siberian Sea, 2101–2121). The following tasks were completed: analysis of the subject area and justification of the technology stack; modular architecture design; implementation of a synthetic field data generator (4 scenarios: normal, storm, equipment_failure, shallow_gas) based on stochastic processes (random walk, impulse jumps, artefacts); a QC module that automatically computes five key metrics (manifold pressure, tow depth varia-tions, signal-to-noise ratio (SNRbg, SNRamb), number of dead channels) and generates a survey status; a 2D/3D visualisation subsystem (geometry and pressure plots, RMS maps, spectra, wavefield animations, 3D seabed relief model with shot points); a Flask-based web service with an interactive georeferenced map (Leaflet.js) and a side-by-side survey comparison mode. Testing was performed on the «Polytechnic-RSK Tornado» supercomputer cluster (2× Intel Xeon E5-2697 v3, 28 cores). It was established that: Numba with automatic parallelisation on 28 cores provides a 2.7-fold speedup compared to single-threaded execution on the same node; the full processing cycle for one profile takes 17.3 minutes on the supercomputer, which is 5.8 times faster than on a local workstation; the web service provides convenient navigation and comparison of survey scenarios; the system requires no paid licences and adapts to various input data for-mats.