Технологія збільшення роздільної здатності мігрованих сейсмічних даних на основі використання нейронних мереж

О.В. Носков
{"title":"Технологія збільшення роздільної здатності мігрованих сейсмічних даних на основі використання нейронних мереж","authors":"О.В. Носков","doi":"10.15407/dopovidi2024.03.011","DOIUrl":null,"url":null,"abstract":"Розроблено і програмно реалізовано математичну модель машинного навчання на базі нейронної мережі архітектури U-net для збільшення роздільної здатності та збільшення значення сигнал/завада для полів сейсмічної зйомки 2D і 3D досліджень із застосуванням синтетичного набору тренувальних даних. Описано будову моделі, наведено метрики якості тренування/валідації. Побудовано алгоритм для підготовки мігрованих сейсмічних даних у стандартному форматі SEGY для опрацювання за допомогою моделі і зворотною конвертацією у вхідний формат.","PeriodicalId":20898,"journal":{"name":"Reports of the National Academy of Sciences of Ukraine","volume":"41 12","pages":""},"PeriodicalIF":0.0000,"publicationDate":"2024-07-02","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"Reports of the National Academy of Sciences of Ukraine","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.15407/dopovidi2024.03.011","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 0

Abstract

Розроблено і програмно реалізовано математичну модель машинного навчання на базі нейронної мережі архітектури U-net для збільшення роздільної здатності та збільшення значення сигнал/завада для полів сейсмічної зйомки 2D і 3D досліджень із застосуванням синтетичного набору тренувальних даних. Описано будову моделі, наведено метрики якості тренування/валідації. Побудовано алгоритм для підготовки мігрованих сейсмічних даних у стандартному форматі SEGY для опрацювання за допомогою моделі і зворотною конвертацією у вхідний формат.
查看原文
分享 分享
微信好友 朋友圈 QQ好友 复制链接
本刊更多论文
利用神经网络提高迁移地震数据分辨率的技术
开发并在软件中实现了一个基于 U-net 结构神经网络的机器学习数学模型,利用合成训练数据集提高二维和三维地震勘探场的分辨率和信噪比。介绍了该模型的结构,并提出了训练/验证质量指标。开发了一种算法,用于准备标准 SEGY 格式的迁移地震数据,供模型处理并反向转换为输入格式。
本文章由计算机程序翻译,如有差异,请以英文原文为准。
求助全文
约1分钟内获得全文 去求助
来源期刊
自引率
0.00%
发文量
0
期刊最新文献
Асимптотична поведінка індексу складності зростаючих випадкових дерев Physical start-up of the Nuclear Subcritical Facility “Neutron Source” of NSC KIPT Електрофізичні властивості BaNd2–xSmxIn2O7 з шаруватою перовськітоподібною структурою Особливості фізичних процесів формування кремнієвих поверхнево-бар’єрних структур Чисельний розв’язок задачі про напружений стан нетонких неоднорідних циліндричних еліптичних оболонок на основі просторової моделі
×
引用
GB/T 7714-2015
复制
MLA
复制
APA
复制
导出至
BibTeX EndNote RefMan NoteFirst NoteExpress
×
×
提示
您的信息不完整,为了账户安全,请先补充。
现在去补充
×
提示
您因"违规操作"
具体请查看互助需知
我知道了
×
提示
现在去查看 取消
×
提示
确定
0
微信
客服QQ
Book学术公众号 扫码关注我们
反馈
×
意见反馈
请填写您的意见或建议
请填写您的手机或邮箱
已复制链接
已复制链接
快去分享给好友吧!
我知道了
×
扫码分享
扫码分享
Book学术官方微信
Book学术文献互助
Book学术文献互助群
群 号:481959085
Book学术
文献互助 智能选刊 最新文献 互助须知 联系我们:info@booksci.cn
Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。
Copyright © 2023 Book学术 All rights reserved.
ghs 京公网安备 11010802042870号 京ICP备2023020795号-1