Решение обратной задачи метода многоканального анализа поверхностных волн на основе искуcственной нейронной сети


доклад
Авторы: Яблоков А.В.   (ИНГГ СО РАН)   Логинов Г.Н.   (ИНГГ СО РАН)   Сердюков А.С.   (ИНГГ СО РАН)   Дучков А.А.   (ИНГГ СО РАН)  
дата публикации: 2019
реферат:
Работа посвящена повышению эффективности метода многоканального анализа поверхностных волн за счет реализации нового алгоритма подбора 1D-моделей скоростей поперечной волны путем обращения дисперсионных кривых на основе машинного обучения. Предлагается использовать многослойную искусственную нейронную сеть (ИНС) с последовательными связями для подбора горизонтально-слоистых моделей, составленных из вектора интерполированных значений скоростей на равномерной сетке с фиксированным шагом. Преимуществами использования обученной ИНС для задачи обращения дисперсионных кривых являются: возможность восстановления слоистых моделей с достаточной точностью для их использования на последующих этапах обработки сейсмических данных, устойчивость к помехам, не значительные требования к вычислительным ресурсам и отсутствие необходимости дополнительной настройки параметров. Результаты тестирования обученной ИНС, с предложенной в данном исследовании архитектурой, показывают высокую точность на валидации (порядка 96%), что говорит об успешности обучения и актуальной перспективе применения нейронных сетей для задач инверсии. The study is devoted to improving the efficiency of the method of multichannel analysis of surface waves due to the implementation of a new algorithm for the selection of 1D-models of the shear wave velocity by inverse dispersion curves based on machine learning. It is proposed to use a multilayer fully-connected artificial neural network (ANN) for the estimate of horizontally layered models composed of interpolated velocity values on a uniform grid with an arbitrary step. Various types of correlation dependence of the parameters of the velocity model on dispersion curves were investigated. The optimal type of the objective function was determined for ANN learning on the basis of these studies.
первоисточник: Интерэкспо ГЕО-Сибирь: XV Междунар. науч. конгр. (г. Новосибирск, 24-26 апреля 2019 г.): Междунар. науч. конф. "Недропользование. Горное дело. Направления и технологии поиска, разведки и разработки месторождений полезных ископаемых. Экономика. Геоэкология": Сборник материалов в 9 т.
том: 3
страницы: 191-200
ISBN:
ISSN:
внешние ссылки:
DOI  
РИНЦ SPIN  

 Видео

 

 

 

 

полный текст статьи

geosib-2019-2-3-191-200