Аннотация:
Предложен метод повышения качества подготовки геофизических данных на примере геоакустических наблюдений для обучения нейронных сетей в рамках решения задачи идентификации пред- и постсейсмических аномалий. Метод основан на преобразовании сигнала геоакустической эмиссии, связанной с деформационными процессами в приповерхностных породах, в трёхмерные изображения. Серия таких изображений несёт информацию о динамике характеристик сигнала. Трёхмерные изображения представляют из себя матрицы, состоящие из векторов распределения выбранных характеристик (спектральных, структурных, статистических и др.). Из серии таких изображений формируется структура — тензор данных, которая подаётся на вход нейронной сети. Из-за влияния внешних факторов (погодных, техногенных) регистрируемый геоакустический сигнал искажается. Поэтому необходимо производить очистку исходных данных. Для этого предлагается использовать нейронную сеть, которая проводит кластеризацию подготовленных изображений и удаляет выбросы в полученных кластерах. Из оставшихся изображений формируется новый тензор, который повторно подвергается очистке. Это продолжается до тех пор, пока в результате кластеризации в выходных данных обнаруживаются выбросы. Применение разработанного метода очистки тензоров на основе технологий искусственного интеллекта позволяет значительно улучшить качество подготовки данных. Подготовленные таким образом данные будут подаваться на вход другой нейронной сети с целью обнаружения общих и отличительных черт, а также закономерностей, скрытых в потоке геоакустических данных. Получаемые результаты будут полезны для исследований в области идентификации и классификации пред- и постсейсмических аномалий в сигналах геоакустической эмиссии, связанных с деформационными процессами в приповерхностных породах в сейсмоактивном регионе.
Полный текст:
PDF файл (1657 kB)