Застосування технології збільшення роздільної здатності мігрованих сейсмічних зображень для 2D- і 3D-зйомок

Для проведення геологорозвідувальних робіт важливо мати якомога якісніші результати обробки сейсмічних даних. У цьому контексті особливого значення набувають процедури міграції, що використовуються для сейсмічного матеріалу, на базі якого буде виконано геологічне моделювання та зроблено прогноз розп...

Ausführliche Beschreibung

Gespeichert in:
Bibliographische Detailangaben
Veröffentlicht in:Проблеми керування та інформатики
Datum:2025
Hauptverfasser: Охарєв, В.О., Носков, О.В.
Format: Artikel
Sprache:Ukrainisch
Veröffentlicht: Інститут кібернетики ім. В.М. Глушкова НАН України 2025
Schlagworte:
Online Zugang:https://nasplib.isofts.kiev.ua/handle/123456789/211289
Tags: Tag hinzufügen
Keine Tags, Fügen Sie den ersten Tag hinzu!
Назва журналу:Digital Library of Periodicals of National Academy of Sciences of Ukraine
Zitieren:Застосування технології збільшення роздільної здатності мігрованих сейсмічних зображень для 2D- і 3D-зйомок / В.О. Охарєв, О.В. Носков // Проблемы управления и информатики. — 2010. — № 6. — С. 49-59. — Бібліогр.: 11 назв. — укр.

Institution

Digital Library of Periodicals of National Academy of Sciences of Ukraine
Beschreibung
Zusammenfassung:Для проведення геологорозвідувальних робіт важливо мати якомога якісніші результати обробки сейсмічних даних. У цьому контексті особливого значення набувають процедури міграції, що використовуються для сейсмічного матеріалу, на базі якого буде виконано геологічне моделювання та зроблено прогноз розповсюдження колекторів. Для покращення робіт із сейсмічної інтерпретації за допомогою мігрованих сейсмічних даних розроблено і програмно реалізовано математичну модель машинного навчання на базі нейронної мережі архітектури U-Net для збільшення роздільної здатності і співвідношення сигнал / завада для полів сейсмічної 2D- і 3D-зйомки. The quality of geological exploration works is directly proportional to the quality of seismic data processing, in particular the migration procedures that will be used for modeling and forecasting the distribution of reservoirs. To increase the quality of seismic interpretation workflow, a mathematical model of machine learning based on the neural network of the U-net architecture was developed and software implemented to increase the resolution and increase the signal / noise ratio for 2D and 3D seismic survey fields.
ISSN:0572-2691