Как мы решали физическую задачу сейсморазведки data-driven подходом.
Доклад принят в программу конференции
Целевая аудитория
Тезисы
На этапе разведки месторождений нефти и газа геологам и геофизикам приходится решать множество сложных математических задач, одной из которых является обратная задача геофизики или сейсмическая инверсия.
Сейсмическая инверсия - это метод получения физических параметров из сейсмических данных, собранных в полевых условиях. Эти физические параметры представляют собой характеристики земных недр и имеют физическое и геологическое значение, поэтому сейсмическая инверсия представляет собой количественную интерпретацию сейсмических измерений и является одной из наиболее важных процедур интерпретации данных.
За долгую историю сейсмической разведки полезных ископаемых ученые предлагали различные подходы к решению проблемы инверсии, а в последние годы было предпринято множество попыток применить к этой проблеме методы машинного обучения.
В этом докладе мы немного углубимся в математику сейсмических задач, расскажем, как мы применили подход, основанный на данных, для решения физической задачи сейсмической инверсии, и обсудим перспективы машинного обучения в области больших данных сейсморазведки.
Head of AI\ML R&D в GridPoint Dynamics.
Основное направление работы - внедрение методов машинного обучения в геологоразведку, от компьютерного зрения до языковых моделей.
ГридПоинт Дайнамикс
Видео
Другие доклады секции
ML и AI в производственных компаниях
