Скрыть
Раскрыть

ISSN 1998-0663 (print),
ISSN 2587-8166 (online)

English version: ISSN 2587-814X (print),
ISSN 2587-8158 (online)

Краснов Ф. В. 1, Буторин А. В. 1, Ситников А. Н. 1
  • 1 ООО «Газпромнефть НТЦ», 190000, г. Санкт-Петербург, наб. реки Мойки, д. 75–79, литер Д

Автоматизированное обнаружение геологических объектов в изображениях сейсмического поля с применением нейронных сетей глубокого обучения

2018. № 2 (44). С. 7–16 [содержание номера]

Ф.В. Краснов - кандидат технических наук, эксперт ООО «Газпромнефть НТЦ»
Адрес: 190000, г. Санкт-Петербург, наб. реки Мойки, д. 75–79, литер Д  
E-mail: Krasnov.FV@gazprom-neft.ru

А.В. Буторин - эксперт ООО «Газпромнефть НТЦ»
Адрес: 190000, г. Санкт-Петербург, наб. реки Мойки, д. 75–79, литер Д  
E-mail: Butorin.AV@gazpromneft-ntc.ru

А.Н. Ситников - заместитель генерального директора по геологии и разработке месторождений ООО «Газпромнефть НТЦ»
Адрес: 190000, г. Санкт-Петербург, наб. реки Мойки, д. 75–79, литер Д  
E-mail: Sitnikov.AN@gazpromneft-ntc.ru

      Бизнес-задача интерпретации данных сейсмических исследований всегда решалась только с помощью высокоуровневых экспертов. Для интерпретации данных сейсмических исследований авторы применили подход на основе компьютерного зрения. Экспертная задача интерпретации сейсмических данных стала частично автоматизированной при помощи методов машинного обучения для классификации изображений, примененных авторами. Для получения набора данных были использованы методы трансформации сейсмических трасс с помощью непрерывного вейвлетного преобразования. В предыдущих работах авторов были созданы методы спектральной декомпозиции, которые также легли в основу данного исследования.
      Использование искусственных нейронных сетей глубокого обучения позволило авторам решить задачу классификации изображений. Важно отметить, что требования бизнеса в части режима распространения информации наложили определенные ограничения на объемы используемых вычислительных мощностей и количество размеченных данных. Найденное решение по использованию обученных искусственных нейронных сетей и аугментации изображений помогли успешно справиться с поставленной задачей, несмотря на ограничения.
      Полученные результаты позволяют выявлять геологические объекты в сейсмических данных с точностью 90% по метрике F1-score. Это позволило внедрить в существующие бизнес-процессы компании «Газпромнефть НТЦ» автоматизированные процедуры, существенно сокращающие время обработки сейсмических данных.
      Социально значимым результатом данного исследования авторы считают найденную возможность «оцифровки» и сохранения знаний лучших экспертов по интерпретации сейсмических данных, а также возможность использования бесконтактной экспертизы для обнаружения геологических объектов в сейсмических данных в периметре группы компаний «Газпром Нефть».

Библиографическое описание:

Краснов Ф.В., Буторин А.В., Ситников А.Н. Автоматизированное обнаружение геологических объектов в изображениях сейсмического поля с применением нейронных сетей глубокого обучения // Бизнес-информатика. 2018. № 2 (44). С. 7–16. DOI: 10.17323/1998-0663.2018.2.7.16.

BiBTeX
RIS
 
 
Rambler's Top100 rss