مقایسه دو معماری CNN در تحلیل رخساره های لرزه ای F۳
سال انتشار: 1400
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 332
فایل این مقاله در 5 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
GEOSIG02_006
تاریخ نمایه سازی: 21 اردیبهشت 1401
چکیده مقاله:
در این پژوهش، دو مدل معماری از شبکه های عصبی همآمیختی ( CNNs ) برای طبقه بندی رخساره های لرزه ای آموزش داده می شوند. با بکارگیری روش یادگیری عمیق، مدلی مناسبب برای آموزش شبکه عصبی بر روی رخساره های لرزه ای و تفسیری خودکار از طبقه بندی آن ارائه می شود. برای تسریع در انجام کار، از روش یادگیری انتقال، برای بهره مندی از شبکه های از پیش آموزش داده شده که بر روی پایگاه داده ها و مجموعه داده های بزرگ برچسب گذاری شده اند ا ستفاده می شود. شبکه های عصبی، دوباره آموزش داده شده و سپس داده ها با چندین پارامتر مختلف تولید می شوند. عملکرد مدل های شبکه عصبی همآمیختی، در طبقه بندی رخساره های لرزه ای -بر روی مقطع مورد نظر از مجموعه داده های لرزه ای- ارزیابی می شود. در این پژوهش از CNN ها در تفسیر داده ی دریایی بلوک F۳ هلند، برای پشتیبانی از تفسیر خودکار استفاده می شود. در نهایت، ا ستفاده از مدلی بهینه برای طبقه بندی سایر مقاطد لرزه ای مورد ارزیابی قرار می گیرد.
نویسندگان
الهام ادیبی دوغائی
دانشجوی کارشناسی ارشد، موسسه ژئوفیزیک، دانشگاه تهران
حسین هاشمی شاهدانی
استادیار، موسسه ژئوفیزک، دانشگاه تهران
احمد کلهر
دانشیار، دانشکده مهندسی برق و کامپیوتر، دانشگاه تهران
حامد سعادت نیا
مدیریت اکتشاف شرکت ملی نفت ایران
جواد جمالی
دانشجوی دکتری، دانشکده مهندسی نفت، دانشگاه امیرکبیر