Издатель: Изд-во ИНГГ СО РАН , Место издания: Новосибирск , Год издания: 2019

Детектирование разломов является ключевым этапом в интерпретации сейсмических данных для построения структурной модели. Решение этой задачи неоднозначно в областях, имеющих сложное геологическое и тектоническое строение. Следовательно, качество результирующей картины зависит от опыта и оценки интерпретатора. Однако в связи с большими объемами сейсморазведочных данных разрабатываются автоматические и полуавтоматические методы для интерпретации. В настоящее время для этих целей широко используются сверточные нейронные сети, не уступающие в точности интерпретатору. Не смотря на преимущества автоматической обработки в скорости, используемые методы имеют ряд ограничений и искажений результатов. В данной работе проведено сравнение результатов работы трех архитектур сверточных нейронных сетей (сверточной сети с плотным слоем, обычной сверточной сети и автоэнкодера) и проведена оценка их точности на тестовой и обучающей выборке. Результаты проведенных экспериментов показывают, что наибольшее искажение результатов дает сверточная нейронная сеть с плотным слоем: разломы выделяются облаком точек с низким порогом достоверности, сеть не позволяет выделить разломы, не присутствующие в разметке. Простая сверточная сеть дает небольшие искажения, разломы выделяются прерывистыми линиями, сеть позволяет выделить разломы, не присутствующие в разметке. Автоэнкодер показывает результаты хорошего качества практически без искажений, позволяя определение неразмеченных в обучающей выборке разломов.