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: 09:00–11:30
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.
|
