Огляд методів ШІ для прогнозування покладів вуглеводнів з 3D-сейсмічних зображень
Loading...
Date
2025
Journal Title
Journal ISSN
Volume Title
Publisher
Український державний університет науки і технологій, ІВК «Системні технології», Дніпро
Abstract
UKR: Ця робота досліджує, як методи штучного інтелекту можна використовувати для виявлення потенційних скупчень вуглеводнів за допомогою 3D-сейсмічних зображень. Вона заглиблюється в сучасні досягнення ШІ в інтерпретації сейсмічних даних, охоплюючи такі методи, як згорткові та рекурентні нейронні мережі, графові нейронні мережі та трансформери. У статті також розглядаються значні перешкоди, такі як проблеми з доступністю та якістю навчальних даних, труднощі із застосуванням моделей до нових областей та складнощі, пов'язані з розумінням результатів. Крім того, вона торкається методів підготовки сейсмічних зображень та вилучення релевантних ознак, підходів до роботи з обмеженими даними та пропонує потенційні шляхи для майбутніх досліджень у цій галузі.
ENG: This work investigates how artificial intelligence techniques can be used to identify potential hydrocarbon accumulations using 3D seismic imagery. It delves into current AI progress for interpreting seismic data, covering methods like convolutional and recurrent neural networks, graph neural networks, and transformers. The paper also addresses significant obstacles, such as problems with the availability and quality of training data, difficulties in applying models to new areas, and the complexities involved in understanding the results. Furthermore, it touches upon techniques for preparing seismic images and extracting relevant features, approaches for dealing with sparse data, and suggests potential avenues for future investigation in this domain.
ENG: This work investigates how artificial intelligence techniques can be used to identify potential hydrocarbon accumulations using 3D seismic imagery. It delves into current AI progress for interpreting seismic data, covering methods like convolutional and recurrent neural networks, graph neural networks, and transformers. The paper also addresses significant obstacles, such as problems with the availability and quality of training data, difficulties in applying models to new areas, and the complexities involved in understanding the results. Furthermore, it touches upon techniques for preparing seismic images and extracting relevant features, approaches for dealing with sparse data, and suggests potential avenues for future investigation in this domain.
Description
І. Дмитрієва: ORCID 0009-0008-3298-7563
Keywords
штучний інтелект, 3D сейсмічні зображення, вуглеводні, прогнозування покладів, згорткові нейронні мережі, рекурентні нейронні мережі, трансформаторні мережі, графові нейронні мережі, сейсмічні атрибути, Artificial intelligence, 3D seismic images, hydrocarbons, deposit prediction, convolutional neural networks, recurrent neural networks, transformer networks, graph neural networks, seismic attributes, КІТС
Citation
Дмитрієва І. С., Дмитренко А. М. Огляд методів ШІ для прогнозування покладів вуглеводнів з 3D-сейсмічних зображень. Інформаційні технології в металургії та машинобудуванні – ІТММ’2025 : тези доп. Міжнародної наук.-техн. конф. (м. Дніпро, 23-24 березня 2025 р.). Дніпро, 2025. C. 454–458. DOI: 10.34185/1991-7848.itmm.2025.01.081.