Издательство СО РАН

Издательство СО РАН

Адрес Издательства СО РАН: Россия, 630090, а/я 187
Новосибирск, Морской пр., 2

soran2.gif

Baner_Nauka_Sibiri.jpg


Яндекс.Метрика

Array
(
    [SESS_AUTH] => Array
        (
            [POLICY] => Array
                (
                    [SESSION_TIMEOUT] => 24
                    [SESSION_IP_MASK] => 0.0.0.0
                    [MAX_STORE_NUM] => 10
                    [STORE_IP_MASK] => 0.0.0.0
                    [STORE_TIMEOUT] => 525600
                    [CHECKWORD_TIMEOUT] => 525600
                    [PASSWORD_LENGTH] => 6
                    [PASSWORD_UPPERCASE] => N
                    [PASSWORD_LOWERCASE] => N
                    [PASSWORD_DIGITS] => N
                    [PASSWORD_PUNCTUATION] => N
                    [LOGIN_ATTEMPTS] => 0
                    [PASSWORD_REQUIREMENTS] => Пароль должен быть не менее 6 символов длиной.
                )

        )

    [SESS_IP] => 3.149.24.192
    [SESS_TIME] => 1732200838
    [BX_SESSION_SIGN] => 9b3eeb12a31176bf2731c6c072271eb6
    [fixed_session_id] => 1028c6e0ee7bfeb23ab9e51202116370
    [UNIQUE_KEY] => b238dd3dbc787c8556b7bf84e5bb42da
    [BX_LOGIN_NEED_CAPTCHA_LOGIN] => Array
        (
            [LOGIN] => 
            [POLICY_ATTEMPTS] => 0
        )

)

Поиск по журналу

Геология и геофизика

2024 год, номер 5

ВЫЧИСЛИТЕЛЬНЫЙ АЛГОРИТМ ОБРАТНОГО ПРЕОБРАЗОВАНИЯ СУМУДУ НА ОСНОВЕ ИСКУССТВЕННОЙ НЕЙРОННОЙ СЕТИ В ЗАДАЧЕ НАЗЕМНОГО ЭЛЕКТРОМАГНИТНОГО ЗОНДИРОВАНИЯ МЕТОДОМ ПЕРЕХОДНЫХ ПРОЦЕССОВ

М.И. Эпов, К.Н. Даниловский, О.В. Нечаев, И.В. Михайлов
Институт нефтегазовой геологии и геофизики им. А.А. Трофимука СО РАН, Новосибирск, Россия
mikhayloviv@ipgg.sbras.ru
Ключевые слова: Электромагнитное зондирование, метод переходных процессов, алгоритм, геоэлектрическая модель, машинное обучение, искусственные нейронные сети
Страницы: 757-765

Аннотация

Рассматриваются результаты разработки нейросетевого алгоритма обратного преобразования Сумуду применительно к задаче наземного нестационарного электромагнитного зондирования. Преобразование Сумуду перспективно для решения прямых задач геоэлектрики в трехмерных моделях сред, поскольку, в отличие от использования преобразования Лапласа или Фурье, Сумуду-изображение действительной функции также является действительной функцией. Таким образом, при последующих вычислениях не возникает необходимости прибегать к комплексным числам, что снижает вычислительные затраты и требования к оперативной памяти в случае успешного определения Сумуду-изображения функции. К недостаткам подхода можно отнести отсутствие явного способа вычисления обратного преобразования. Обращение можно осуществить путем решения соответствующего интегрального уравнения Фредгольма первого рода, однако это является плохо обусловленной задачей и приводит к высоким требованиям к точности получения Сумуду-изображения. Применение современных технологий машинного обучения может обеспечить получение метода, более устойчивого к шуму во входных данных. В работе описывается процесс создания обучающего набора данных и разработки нейросетевого алгоритма, оценивается точность и производительность разработанного решения. Предложенный способ позволит развивать новые подходы к моделированию физических процессов, анализу, обработке и интерпретации измеренных геофизических данных.

DOI: 10.15372/GiG2023190
EDN: TLDXQB
Добавить в корзину
Товар добавлен в корзину