Hurtig 3D inversjon av elektromagnetiske geologiske data ved å bruke et trenet nevralt nettverk ved forovermodellering

En fremgangsmåte for å tolke elektromagnetiske undersøkelsesdata inkluderer å samle inn elektromagnetiske undersøkelsesdata nær en topp av en del av bakkens undergrunn. En initial modell av delen av bakkens undergrunn blir generert. Modellen inkluderer i det minste romlig distribusjon av formasjonsr...

Full description

Saved in:
Bibliographic Details
Main Author Strack, Kurt Martin
Format Patent
LanguageNorwegian
Published 04.03.2019
Subjects
Online AccessGet full text

Cover

Loading…
More Information
Summary:En fremgangsmåte for å tolke elektromagnetiske undersøkelsesdata inkluderer å samle inn elektromagnetiske undersøkelsesdata nær en topp av en del av bakkens undergrunn. En initial modell av delen av bakkens undergrunn blir generert. Modellen inkluderer i det minste romlig distribusjon av formasjonsresistivitet innenfor delen. Den initiale modellen er anvendt på et kunstig nevralt nettverk trenet til å generere forventet elektromagnetisk undersøkelsesmomentrespons på den initiale modellen. De innsamlede elektromagnetiske undersøkelsesdata blir sammenliknet med en utgang fra det kunstige nevrale nettverket. Den initiale modellen blir justert, og anvendelsen av modellen på det kunstige nevrale nettverket og sammenlikningen blir gjentatt helt til forskjellene mellom utgangen fra nettverket og de innsamlede undersøkelsesdata faller under en valgt terskelverdi. A method for interpreting electromagnetic survey data includes acquiring electromagnetic survey data near a top of a portion of the Earth's subsurface. An initial model of the portion of the Earth's subsurface is generated. The model includes at least spatial distribution of formation resistivity within the portion. The initial model is applied to an artificial neural network trained to generate expected electromagnetic survey instrument response to the initial model. The acquired electromagnetic survey data are compared to an output of the artificial neural network. The initial model is adjusted, and the applying the model to the artificial neural network and the comparing are repeated until differences between the output of the network and the acquired survey data fall below a selected threshold.
Bibliography:Application Number: NO20090001175