Прогнозирование модели скоростей распространения поперечных волн по данным геофизических исследований скважин и сейсморазведки с применением нейронных сетей

Приводятся особенности прогнозирования тонкослоистой двумерной модели среды по скоростям распространения поперечных волн. Разработан метод прогнозирования дву- и трехмерных моделей скоростей на основе данных ГИС на продольных и поперечных волнах и сейсморазведки 2D/3D на продольных волнах. Метод баз...

Повний опис

Збережено в:
Бібліографічні деталі
Видавець:Центр менеджменту та маркетингу в галузі наук про Землю ІГН НАН України
Дата:2012
Автор: Агаев, Х.Б.
Формат: Стаття
Мова:Russian
Опубліковано: Центр менеджменту та маркетингу в галузі наук про Землю ІГН НАН України 2012
Назва видання:Геоінформатика
Теми:
Онлайн доступ:http://dspace.nbuv.gov.ua/handle/123456789/96490
Теги: Додати тег
Немає тегів, Будьте першим, хто поставить тег для цього запису!
Цитувати:Прогнозирование модели скоростей распространения поперечных волн по данным геофизических исследований скважин и сейсморазведки с применением нейронных сетей / Х.Б. Агаев // Геоінформатика. — 2012. — № 4. — С. 46-52. — Бібліогр.: 14 назв. — рос.

Репозиторії

Digital Library of Periodicals of National Academy of Sciences of Ukraine
id irk-123456789-96490
record_format dspace
spelling irk-123456789-964902016-03-18T03:02:19Z Прогнозирование модели скоростей распространения поперечных волн по данным геофизических исследований скважин и сейсморазведки с применением нейронных сетей Агаев, Х.Б. Геолого-геофізичні та математичні методи і сучасні комп'ютерні технології дослідження літосфери Приводятся особенности прогнозирования тонкослоистой двумерной модели среды по скоростям распространения поперечных волн. Разработан метод прогнозирования дву- и трехмерных моделей скоростей на основе данных ГИС на продольных и поперечных волнах и сейсморазведки 2D/3D на продольных волнах. Метод базируется на создании моделей физических свойств среды, проведении кластерного анализа и прогнозировании скоростей с использованием нейронных сетей. “Обучение” нейронных сетей по данным ГИС позволяет прогнозировать по результатам сейсмической инверсии модель скоростей распространения поперечных волн. Метод опробован по геофизическим данным одной из структур в Южно-Каспийской впадине. По данным кластерного анализа выявлен сложный характер между петрофизическими свойствами среды. В результате прогнозирования получен разрез по скоростям, более дифференцированным по глубине и профилю, чем по эмпирическим зависимостям. Наведено особливості прогнозування тонкошаруватої двовимірної моделі середовища за швидкостями поширення поперечних хвиль. Розроблено метод прогнозування дво- і тривимірних моделей швидкостей на основі даних ГДС на поздовжніх і поперечних хвилях і сейсморозвідки 2D/3D на поздовжніх хвилях. Метод ґрунтується на створенні моделей фізичних властивостей середовища, проведенні кластерного аналізу і прогнозуванні швидкостей з використанням нейронних мереж. “Навчання” нейронних мереж за даними ГДС дає змогу прогнозувати за результатами сейс¬мічної інверсії модель швидкостей поширення поперечних хвиль. Метод випробувано за геофізичними даними однієї із структур у Південнокаспійській западині. За даними кластерного аналізу виявлено складний характер між петрофізичними властивостями середовища. В результаті прогнозування одержано розріз за швидкостями, більш диференційований за глибиною і по профілю, ніж за емпіричними залежностями. The properties of prediction of thin-layered two-dimensional model on velocities of shear waves are given. Prediction method of two- and three-dimensional models of velocities was developed on the basis of GSW (Geophysical Studying of Wells) data on pressure and shear waves, and seismic survey of 2D/3D on pressure waves. The method was based on a creation of medium physical properties models, conducting of cluster analysis and prediction of velocities using neural networks. The model of velocities of shear waves is predicted by “Teaching” neural networks on GSW data according to the results of seismic inversion. The method was tested on geophysical data of one of the South-Caspian Basin structures. The complicated character was revealed between petrophysical properties of medium on cluster analysis. As a result of prediction the section on velocities is more differentiated on depth and profile than on empirical dependences. 2012 Article Прогнозирование модели скоростей распространения поперечных волн по данным геофизических исследований скважин и сейсморазведки с применением нейронных сетей / Х.Б. Агаев // Геоінформатика. — 2012. — № 4. — С. 46-52. — Бібліогр.: 14 назв. — рос. 1684-2189 http://dspace.nbuv.gov.ua/handle/123456789/96490 550.83.017 ru Геоінформатика Центр менеджменту та маркетингу в галузі наук про Землю ІГН НАН України
institution Digital Library of Periodicals of National Academy of Sciences of Ukraine
collection DSpace DC
language Russian
topic Геолого-геофізичні та математичні методи і сучасні комп'ютерні технології дослідження літосфери
Геолого-геофізичні та математичні методи і сучасні комп'ютерні технології дослідження літосфери
spellingShingle Геолого-геофізичні та математичні методи і сучасні комп'ютерні технології дослідження літосфери
Геолого-геофізичні та математичні методи і сучасні комп'ютерні технології дослідження літосфери
Агаев, Х.Б.
Прогнозирование модели скоростей распространения поперечных волн по данным геофизических исследований скважин и сейсморазведки с применением нейронных сетей
Геоінформатика
description Приводятся особенности прогнозирования тонкослоистой двумерной модели среды по скоростям распространения поперечных волн. Разработан метод прогнозирования дву- и трехмерных моделей скоростей на основе данных ГИС на продольных и поперечных волнах и сейсморазведки 2D/3D на продольных волнах. Метод базируется на создании моделей физических свойств среды, проведении кластерного анализа и прогнозировании скоростей с использованием нейронных сетей. “Обучение” нейронных сетей по данным ГИС позволяет прогнозировать по результатам сейсмической инверсии модель скоростей распространения поперечных волн. Метод опробован по геофизическим данным одной из структур в Южно-Каспийской впадине. По данным кластерного анализа выявлен сложный характер между петрофизическими свойствами среды. В результате прогнозирования получен разрез по скоростям, более дифференцированным по глубине и профилю, чем по эмпирическим зависимостям.
format Article
author Агаев, Х.Б.
author_facet Агаев, Х.Б.
author_sort Агаев, Х.Б.
title Прогнозирование модели скоростей распространения поперечных волн по данным геофизических исследований скважин и сейсморазведки с применением нейронных сетей
title_short Прогнозирование модели скоростей распространения поперечных волн по данным геофизических исследований скважин и сейсморазведки с применением нейронных сетей
title_full Прогнозирование модели скоростей распространения поперечных волн по данным геофизических исследований скважин и сейсморазведки с применением нейронных сетей
title_fullStr Прогнозирование модели скоростей распространения поперечных волн по данным геофизических исследований скважин и сейсморазведки с применением нейронных сетей
title_full_unstemmed Прогнозирование модели скоростей распространения поперечных волн по данным геофизических исследований скважин и сейсморазведки с применением нейронных сетей
title_sort прогнозирование модели скоростей распространения поперечных волн по данным геофизических исследований скважин и сейсморазведки с применением нейронных сетей
publisher Центр менеджменту та маркетингу в галузі наук про Землю ІГН НАН України
publishDate 2012
topic_facet Геолого-геофізичні та математичні методи і сучасні комп'ютерні технології дослідження літосфери
url http://dspace.nbuv.gov.ua/handle/123456789/96490
citation_txt Прогнозирование модели скоростей распространения поперечных волн по данным геофизических исследований скважин и сейсморазведки с применением нейронных сетей / Х.Б. Агаев // Геоінформатика. — 2012. — № 4. — С. 46-52. — Бібліогр.: 14 назв. — рос.
series Геоінформатика
work_keys_str_mv AT agaevhb prognozirovaniemodeliskorostejrasprostraneniâpoperečnyhvolnpodannymgeofizičeskihissledovanijskvažinisejsmorazvedkisprimeneniemnejronnyhsetej
first_indexed 2023-10-18T19:55:27Z
last_indexed 2023-10-18T19:55:27Z
_version_ 1796148280499896320