TY - JOUR AU - М. В. Муратов AU - Д. И. Петров AU - В. В. Рязанов AU - В. А. Бирюков PY - 2022/03/25 Y2 - 2024/03/28 TI - Решение обратных задач сейсморазведки трещиноватых пластов методами машинного обучения JF - Успехи кибернетики JA - УК VL - 3 IS - 1 SE - Статьи DO - 10.51790/2712-9942-2022-3-1-1 UR - https://ru.jcyb.ru/nisii_tech/article/view/108 AB - В данной работе решаются обратные задачи сейсморазведки в средах с однородно ориентированными трещиноватыми включениями с применением сверточных нейронных сетей. Выбор данного вида нейронных сетей определен большой размерностью массива данных. Построение обучающей выборки из прямых задач для обучения нейронной сети осуществляется с помощью математического моделирования. Для численного решения прямых задач был взят сеточно-характеристический метод на неструктурированных сетках. Выбор численного метода обусловлен волновой природой изучаемых динамических процессов, которая хорошо учитывается сеточно-характеристическим методом. Данный подход хорошо зарекомендовал себя при построении корректных вычислительных алгоритмов для граничных и контактных условий, в частности, для задания дискретного массива трещин. Целью работы является определение характеристик одиночной трещины и пластов таких трещин. Была успешно решена обратная задача сейсморазведки для пласта трещин с шестью неизвестными параметрами: высота и угол наклона трещин, плотность расположения трещин, горизонтальная протяженность пласта и его пространственное положение в 2D. В процессе обучения нейронной сети и распознавания элементов валидационной выборки, помимо данных о скоростях колебаний в массиве сейсмических данных, на вход сети также подавался их частотный спектр. ER -