К.Н. Даниловский
Г.Н. Логинов
О.В. Нечаев

: EAGE. Saint Petersburg 2020. Geosciences: Converting Knowledge into Resources (Saint Petersburg, Russia, 6-9 April 2020)

В данной работе предлагается новый подход к интерпретации изображений удельного сопротивления скважин, основанный на сочетании трехмерного моделирования конечных элементов и алгоритмов свертки нейронных сетей (CNN). CNN обучается по результатам 3D-численного моделирования для обнаружения геоэлектрических границ. Высокопроизводительные параллельные вычисления и увеличение объема данных используются для того, чтобы свести к минимуму время, необходимое для получения набора изображений, достаточного для обучения CNN. Несмотря на трудоемкие процессы получения синтетических данных и обучения CNN, применение алгоритма не требует серьезных вычислительных ресурсов и занимает считанные секунды. Преимуществом разработанного алгоритма является возможность обработки изображений произвольной длины, обусловленная отсутствием полностью связанных слоев в архитектуре CNN.