بازیابی سه بعدی سنگ بستر با استفاده از داده های گرانشی رویکرد شبکه های عصبی کانولوشنال

چکیده مقاله

بررسی های گرانشی در تحقیقات ژئوفیزیک منطقه ای می تواند برای تخمین عمق فصل مشترک رسوب و سنگ بستر مورد استفاده قرار گیرد در این مطالعه، یک روش نوین با استفاده از شبکه عصبی کانولوشنال CNN برای وارونگی عمق به سنگ بستر به طور مستقیم از داده های گرانشی معرفی شده است بر اساس روش جابجایی نقطه میانی تصادفی RMD و ویژگی های داده های گرانشی مشاهده شده، مجموعه ای بزرگ از مدل های واقعی مرز رسوب سنگ بستر تولید شد این روش می تواند اندازه مجموعه داده های آموزشی مورد نیاز برای آموزش شبکه را به طور قابل توجهی کاهش دهد کاربرد روی مدل های مصنوعی نشان داد که وارونگی CNN توسعه یافته قادر به بازیابی دقیق ویژگی های مرز رسوب سنگ بستر در مدل های زمین شناسی پیچیده است با استفاده از هزاران مدل و داده، شبکه آموزش دید تا رابطه بین بی هنجاری گرانش و عمق حوضه را بیاموزد الگوریتم مدل سازی رو به جلو نیز برای شبیه سازی داده های گرانشی مدل های آموزشی استفاده شد

کلیدواژه‌ها

نویسندگان

روشنک رجبلو

دانشجوی دکتری ژئوفیزیک ، موسسه ژئوفیزیک دانشگاه تهران

سید هانی متولی عنبران

دانشیار، موسسه ژئوفیزیک دانشگاه تهران

�جبلو، روشنک و متولی عنبران، سید هانی،1404،بازیابی سه بعدی سنگ بستر با استفاده از داده های گرانشی رویکرد شبکه های عصبی کانولوشنال،هفتمین کنفرانس ژئوفیزیک کاربردی در اکتشاف نفت،تهران

ارائه‌شده در

مجموعه مقالات هفتمین کنفرانس ژئوفیزیک کاربردی در اکتشاف نفت23 مهر 1404 · تهران