Повышение эффективности интерпретации данных МТЗ на основе использования нейронных палеток

• Автор: Оборнев, Иван Евгеньевич
• Шифр специальности: 25.00.10
• Научная степень: Кандидатская
• Год защиты: 2013
• Место защиты: Москва
• Количество страниц: 155 с. : ил.

Содержание

ВВЕДЕНИЕ
Актуальность темы
Цель диссертационной работы
Основные задачи исследования
Научная новизна
Защищаемые положения:
Практическая ценность
Апробация результатов и публикации
Личный вклад автора
Структура работы
Благодарности
ЕЛАВА 1. Обзор методов решения обратных задач геоэлектрики и работ автора
Традиционные методы решения обратной задачи геоэлектрики
Параметризация геоэлектрических сред
Интерполяционные сплайн-функции
Аппроксимационные подходы в геофизике
Нейронные сети
НС-методы в обратных задачах математической физики
Применение нейросетей при интерпретации различных геофизических данных
Развитие темы диссертации в опубликованных работах автора
Выводы по главе
ГЛАВА 2. Основные принципы моделирования 21) прямой задачи в рамках
параметризованных сред. Программа ОеоРаий
2.1 Физико-геологическое моделирование задачи МТЗ
Физическая постановка задачи. Магнитотеллурическое поле в 20 неоднородной
среде
Математическая постановка прямой задачи
Е-поляризовтное попе
Н-поляризованное попе
Численная реализация процесса20 моделирования МТ-поля методом конечных
разностей
2.2 Параметризация геоэлектрических сред
Условия эффективного решения
Особенности параметризации геоэлектрических разрезов
Принципы построения модельных геоэлектрических классов
Базовые элементы параметризации

Типы переходных зон между аномальными и краевыми областями 20 разреза
Специальные модели параметризации
2.3 Программа ОеоРатГ и алгоритм монотонного сплайна
Алгоритм монотонного сплайна
Построение базовых функций Эрмита
Математическая постановка задачи монотонной интерполяции
Блок-схема алгоритма решения прямой задачи для формирования БД
эталонных примеров в заданном классе вк
Блок 1. Структура. Построения структуры класса ФГМ :
Блок 2. Чувствительность. Исследование зависимости изменения ЭМ-поля от
изменения параметров ФГМ
Блок 3. Параметризация. Построения функции параметризации класса ФГМ
Блок 4. Построение БД эталонных примеров в заданном классе ФГМ
Выводы по главе
ГЛАВА 3. Методы НС-инверсии в параметризованных классах геоэлектрических разрезов.
Алгоритм и принципиальная схема программы НейроПалетка 2.
3.1 НС-метод решения обратной задачи геоэлектрики
Основные методы решения обратной задачи МТЗ и место НС-подхода
Аппроксимационный подход
Схема построения базы данных обучения
Алгоритм обучения и тестирования НС-аппроксиматора
Обобщенный алгоритм программы НейроПалетка 2.
ч 3.2 Повышение устойчивости НС-инверсии за счет рационального выбора
регуляризирующих факторов при обучении НС-оператора
Рациональный выбор размера обучающего множества Р

Оптимальный размер аппроксимационной конструкции I
Точка остановки процесса обучения г
3.3 Повышение эффективности НС-инверсии в классе ФГМ
Оптимальный размер входного вектора

Корректирующие палетки на основе первого приближенного решения
Обобщенный алгоритм программы КорректПалетка
Выводы по главе
ГЛАВА 4. Программный комплекс ГеоНейрон 2.0. Примеры НС-инверсии МТ-данных
4.1 Программный комплекс ГеоНейрон 2.
4.2 Примеры работы программного комплекса на модельных синтетических данных
Максимально детализованная сетка прямой задачи ВЧР до 1,4 км
Слои с криволинейными границами
4.3 Анализ чувствительности. Территориальный тип палетки
Территориальный тип палетки
4.4. Пример интерпретации реальных данных
Выводы по главе
Заключение и выводы
Литература

Математические
Решение обратной задачи с предельной детальностью конечно-разностной сетки прямой задачи, как правило, невозможно, т.к. при увеличении детальности понижается разрешающая способность метода, (по Дмитриеву) Поэтому необходимо найти компромисс между максимальной детальностью и разрешающей способностью.
Информационные
Измерения проводятся на частотной Nco и пространственной Ny сети наблюдений. В итоге для каждой компоненты мы получаем набор Мсо х Му - точек поля, которые должны превышать число Nk искомых параметров модели [Дмитриева, 2012]. Конечно-разностная сеть искомого решения как правило имеет размеры Nyx Nz> Мсох Му.
Геофизические
В процессе регистрации сигналы ЭМ-поля измеряется во времени. Для выделения монохромной волны необходимо провести преобразование в частотную область. При этом используют статистический подход, при котором просматривают несколько временных реализаций и тем самым получаем облако точек для определенных гармоник. Фильтрация, осреднение и сглаживание измеренных данных традиционно проводится для кривых Piy,pkx с учетом совпадения на основе соотношения Гильберта
синтезированных и измеренных фазовых ф^, фЦ кривых. Зачастую процесс обработки связан с большим набором субъективизма геофизика-интерпретатора. Таким образом, в процессе решения обратной задачи используются не сами компоненты ЭМ-поля, а фильтрованные, сглаженные характеристики МТ-поля.
Интерпретационные
Геофизику-интерпретатору привычней работать в рамках геологически осмысленных параметров: глубина, мощность, размеры блока, угол наклона и протяженность разлома, чем в математических терминах, связанных с к.-р. сеткой ПЗ или коэффициентами сплайнов, которые отражают кривизну границ слоя или пространственные изменения физических свойств (например, уд. эл.). При этом реальный геологический разрез очень сложный и отражается в данных электромагнитных измерений в виде некоторой электрической модели, называемой геоэлектрическим разрезом. Он представляет собой вертикальный разрез земной толщи, в которой слои горных пород различаются между собой по электрическим