Глубокая сейсмическая инверсия – применение генеративно-состязательных нейронных сетей для восстановления упругих свойств

Основным инструментом количественной интерпретации сейсмических данных является сейсмическая инверсия, позволяющая трансформировать волновое поле в распределение акустических и упругих свойств на основе решения обратной динамической задачи. Под сейсмической инверсией обычно понимают группу алгоритмов, с помощью которых традиционный и всем привычный сейсмический временной разрез трансформируется в разрез акустического импеданса ρV — произведения плотности ρ на скорость V. Использование нейронных сетей для сейсмической инверсии не ново, однако достижения последних лет позволяют по-новому взглянуть на использование нейросетевых алгоритмов в задачах инверсии. Проблемой обучения стабильной глубокой модели нейросети является малое количество обучающих данных – кривых упругих свойств из скважин, однако, используя стратегию обучения с частичным привлечением учителя и прогрессивные архитектуры, такие как генеративно-состязательные нейронные сети, можно добиться выдающегося качества инверсии без необходимости построения низкочастотной модели и извлечения импульса, используя напрямую данные сейсмики и скважин. Был предложен подход для решения задачи инверсии сейсмических данных на основе глубокого обучения. Для обучения алгоритма как с учетом небольшого объема размеченной информации – пар сейсмическая трасса и кривая АИ, так и с учетом неразмеченной информации – остального волнового поля, использовалась архитектура GAN, состоящая из трех нейронных сетей, двух генераторов для решения прямой и обратной задачи, и дискриминатора.