Рейтинг@Mail.ru


7–11 сентября 2020 г.
Геленджик, Россия
Геомодель 202022-я научно-практическая конференция по вопросам геологоразведки и разработки месторождений нефти и газа
Навигация


Контактная информация
 

Менеджер: Мария Девишева

Email: geomodel@eage.org

Регистрация: regru@eage.org

Тел.: +7 495 640-20-08
Архив мероприятия
 
Геомодель 2020
 
Геомодель 2019
 
Геомодель 2018
 
Геомодель 2017
 
Геомодель 2016
 
Геомодель 2015
 
Геомодель 2014
 
Геомодель 2013
 
Геомодель 2012
 
Геомодель 2011
 
Геомодель 2010
 
Геомодель 2009
 
Геомодель 2008
 
Геомодель 2007
 
Геомодель 2006

Курс

Нейронные сети и другие алгоритмы машинного обучения, и их применение при глубокой интерпретации сейсмических данных совместно со скважинными данными 

Лектор: Приезжев Иван Иванович , д.т.н., профессор РГУ нефти и газа имени И.М. Губкина, ген. директор ООО «Лаборатория Приезжева» инновационного центра Сколково
Место проведения: г. Геленджик
Дата: 7 сентября 2020 г.
Время: 09:00–13:00
Продолжительность: 4 часа

Описание курса

Нейронные сети — это эффективный инструмент для решения множество задач интеллектуального анализа данных. Список направлений решаемых задач: распознавание образов, прогноз переменных во времени или пространстве, классификация объектов. Применение нейронных сетей и других алгоритмов машинного обучения очень быстро растет в различных отраслях науки и техники.


В лекции будет показана возможность применения нейронных сетей и других алгоритмов машинного обучения для решения задач сейсмофациального анализа, прогноза карт эффективных толщин, прогноза разломов и зон трещиноватости и прогнозно-инверсионных построений кубов упругих, эластических, фильтрационно-емкостных или литофациальных параметров.  


Также мы расскажем о нейронных сетях нового поколения построенных с использованием полно функциональных нейронов Колмогорова. Для построения и для обучения нейронных сетей используется гибридная технология, разработанная на основе математических приемов, изложенных в теореме Колмогорова. Для стабилизации нейронных сетей использованы приемы регуляризации по А.Н. Тихонову. 
Будут показаны примеры сравнения результатов, полученных на основе нейронных сетей и с помощью традиционных прогнозных и инверсионных технологий.
Собственно лекция будет состоять из двух разделов (теоретический и практический) с следующей детализацией.


Всем слушателям будут розданы материалы по теме курса в виде методической брошюры с описанием теории нейронных сетей с приложением исходных текстов реализации нейронных сетей на языке c#. 
По желанию каждый слушатель может получить программный комплекс IP_Seismic с демонстрационной лицензией для тестирования применения нейронных сетей на своих материалах.

Цели курса

Ознакомить с краткой теорией нейронных сетей и других алгоритмов машинного обучения
Показать возможности и ограничения применения нейронных сетей и других алгоритмов машинного обучения при интерпретации геолого-геофизических данных
Практический показ использования нейронных сетей при решении задач сейсмофациального анализа, прогноза карт эффективных толщин, прогноза разломов и зон трещиноватости и прогнозно-инверсионных построений кубов упругих, эластических, фильтрационно-емкостных или литофациальных параметров.  

Краткое содержание

1. Теоретические основы машинного обучения. 

  • a. Объекты изучения, их описание и сравнение в многомерном пространстве признаков.
  • b. Сейсмофациальный анализ. Нейронные сети Кохонена с архитектурой 1D, 2D и 3D. Задача сокращение признакового пространства. Спектральная декомпозиция и корреляционные методы декомпозиции.
  • c. Теоретические основы нейронных сетей. Виды нейронных сетей. Обучение нейронных сетей. Проблемы нестабильности и переобучения. 
  • d. Нейронные сети нового поколения на основе нейронов Колмогорова.
  • e. Использование нейросетевого прогноза кубов по сейсмическим и скважинным данным, сравнение результатов с результатами классической инверсии. 
  • f. Прогноз разломов и зон трещиноватости по сейсмическим данным. Обзор методов. Использование методов машинного обучения для прогноза трещиноватости.
2. Практический показ примеров решения задач прогноза эффективных толщин, классификации, инверсионно-прогнозных построений по на реальных данных.
3. Необходимая начальная подготовка
 
Требование к слушателям: Базовое геолого-геофизическое образование

Кому адресован курс

От студентов геофизических специальностей до руководителей отделов обработки и интерпретации данных сейсморазведки.

Необходимая начальная подготовка

Знание базовых принципов сейсморазведки. Понимание проблем, возникающих при моделирование и миграции сейсмических волновых полей.

О лекторе

​​Приезжев Иван Иванович – доктор технических наук, профессор кафедры геофизики и компьютерных систем, РГУ нефти и газа имени И.М. Губкина, генеральный директор ООО «Лаборатория Приезжева» инновационного центра Сколково www.ivanplab.ru, член EAGE, SEG. Автор более 100 научных работ и 7 изобретений (5-USA и 2 RUS). Индекс Хирша = 10 (по версии scholar.google). Специалист в области математических и программных решений для решения различных задач моделирования месторождений нефти и газа: сейсмическая инверсия, машинное обучение, нейронные сети, сейсмическая инверсия, прогноз параметров нефтегазоносности, прогноз параметров трещиноватости по сейсмическим данным, автоматическая геонавигация, инверсия и моделирование грави-магнитных данных. 19 лет работы в различных должностях: управленческих, экспертно-технических, в сфере разработки программных продуктов в компании Шлюмберже. Член диссертационного совета  Д 212.200.05. Linkedin.

 


Яндекс цитирования
Журнал First Break и материалы всех мероприятий EAGE направляются на индексацию в систему Scopus.
Журналы Basin Research, Geophysical Prospecting, Near Surface Geophysics и Petroleum Geoscience направляются на индексацию в системы Scopus и Web of Science.