Keuntungan:
- Keupayaan untuk mengawal penindasan hingar berasaskan kecerdasan buatan dengan plot perbezaan dan menghalang pantulan yang lemah tetapi nyata daripada dipadamkan
- Keupayaan untuk mengenali risiko penyahkonvolusi menghasilkan resolusi palsu dan perangkap interpolasi surih mencipta struktur hantu dan mengikutinya dengan topeng
- Keupayaan untuk mengesahkan kesahihan fizikal dengan menghubungkan hasil pemprosesan dengan ikatan telaga
Perkara yang anda lihat apabila anda membuka rekod seismik mentah jarang sekali merupakan "gambar bawah permukaan." Sebaliknya, anda melihat campuran yang kompleks: isyarat sebenar yang dipantulkan dari bawah tanah, gelombang permukaan, hingar rawak, pelbagai pantulan dan herotan yang wujud pada rakaman. Pemprosesan data seismik ialah proses pembersihan langkah demi langkah, menjajarkan dan mengubah rekod mentah ini kepada imej bawah tanah yang boleh ditafsir. Dalam unit ini, kami akan menerangkan bagaimana kecerdasan buatan (AI) ialah pemecut yang berkuasa untuk proses ini, terutamanya dalam langkah seperti penyahnokan, penyahkonvolusian dan pengisian surih yang hilang; tetapi kita akan melihat mengapa keputusan parameter dan kesahan fizikal masih kekal dengan pakar.
Anatomi data seismik
Mari kita mulakan dengan glosari pendek. Surih ialah siri amplitud bergantung masa yang direkodkan oleh satu penerima. Apabila banyak kesan berkumpul, satu bahagian terbentuk. Selang sampel ialah masa antara dua nilai amplitud berturut-turut (cth. 2 ms). Pantulan sebenar dalam isyarat timbul daripada perbezaan impedans akustik sempadan lapisan di bawah permukaan; Tujuan pemprosesan adalah untuk memisahkan pantulan ini daripada hingar dan meletakkannya di lokasi ruang masa yang betul.
Bunyi yang terdapat dalam dua jenis utama: hingar rawak (tidak koheren, bebas daripada trek) dan hingar koheren (bunyi koheren — tetap, kuat, menutup isyarat, seperti gelombang permukaan/gulungan tanah). Kaedah berasaskan AI selalunya lebih fleksibel daripada penapis tradisional dalam memisahkan kedua-dua jenis ini kerana ia menggunakan diskriminasi kompleks yang dipelajari daripada sampel dan bukannya tetingkap kelajuan frekuensi tetap.
Penindasan hingar dengan AI
Penindasan hingar klasik dilakukan dengan penapis berdasarkan frekuensi, kelajuan (penapis f-k) atau statistik. Penekan hingar berasaskan AI (kebanyakannya rangkaian neural convolutional, singkatan CNN; rangkaian yang mempelajari corak setempat dalam data seperti imej) belajar daripada pasangan sampel "input bising → output bersih". Kelebihannya: ia boleh membuat perbezaan sensitif konteks dan bukannya peraturan tetap apabila memisahkan isyarat daripada hingar. Risiko: kecenderungan untuk memadam isyarat atau meninggalkan bunyi sebagai isyarat apabila menghadapi jenis bunyi yang tiada dalam data latihan.
Bahaya paling kritikal ialah ini: penindas hingar AI yang agresif boleh mengelirukan pantulan samar tetapi nyata sebagai bunyi dan menghapuskannya. Jadi peraturan emas: pastikan anda melihat perbezaan (komponen yang dialih keluar) sebelum dan selepas penindasan hingar. Jika anda melihat corak pantulan yang konsisten pada bahagian yang dikeluarkan, penapis sedang makan isyarat.
Petua: Plot lapisan "bunyi" yang dihasilkan oleh penekan hingar YZ sebagai kepingan berasingan (plot perbezaan). Sisa penindas yang baik muncul secara rawak; Sekiranya terdapat pantulan berterusan yang condong di dalamnya, penapis terlalu agresif dan anda perlu melembutkan parameter.
Dekonvolusi: mendapatkan kembali tandatangan sumber
Dekonvolusi ialah proses yang cuba mendedahkan siri pemantulan sebenar di bawah permukaan dengan menolak tandatangan wavelet sumber (wavelet sumber — bentuk gelombang yang dihasilkan oleh letupan/penggetar) daripada jejak yang direkodkan. Matlamatnya adalah untuk meningkatkan resolusi dan menyekat pelbagai pantulan. AI boleh meningkatkan anggaran wavelet dan keteguhan kepada hingar dalam penyahkonvolusian; Walau bagaimanapun, jika dekon digunakan secara berlebihan, ia akan menguatkan bunyi frekuensi tinggi dan menghasilkan resolusi palsu. AI ialah enjin cadangan di sini juga; Pemilihan parameter akhir (panjang operator dekon, pra-pemutihan) ditentukur secara pakar mengikut ciri fizikal jejak.
Interpolasi surih yang tidak lengkap dan persampelan biasa
Sesetengah penerima gagal dalam medan, beberapa talian dikumpul tidak lengkap; Akibatnya, jurang berlaku dalam data. Interpolasi berasaskan AI (mengisi jejak yang hilang dengan belajar daripada jiran) sangat berguna dalam mendapatkan grid biasa sebelum penghijrahan. Walau bagaimanapun, jejak yang diisi adalah anggaran, bukan ukuran; Jejak ini tidak boleh dianggap dengan berat yang sama dengan data sebenar dalam tafsiran, tetapi harus ditandakan secara berasingan dalam output.
Awas: Jika jejak yang dihasilkan melalui interpolasi diteruskan sebagai "data sebenar" dalam langkah seterusnya, ia mungkin membawa kepada penciptaan struktur yang tidak wujud. Jejaki sel yang dipenuhi dengan topeng; Jika struktur kritikal hanya muncul di kawasan yang diinterpolasi, jangan mempercayainya.
tiga kes mini
Kes 1 — Rangkaian pembelajaran ground roll. Dalam seismik darat, gelombang permukaan yang kuat (gulungan tanah) telah menutupi isyarat. Pasukan itu menggunakan penekan hingar CNN yang belajar daripada 800 rakaman yang dibersihkan dengan tangan; masa pemprosesan berkurangan daripada 12 minit kepada 40 saat setiap rekod. Pasukan itu memeriksa 5% rakaman secara manual daripada setiap kumpulan dan mengesahkan tiada kehilangan isyarat dengan plot perbezaan.
Kes 2 — Pantulan lemah dipadamkan. Dalam projek lain, penindas YZ yang ditala secara agresif telah mengira pantulan takungan yang samar tetapi nyata pada 2.4 saat sebagai bunyi dan memadamkannya. Perbezaannya hanya menjadi jelas apabila ikatan seismik telaga diwujudkan: lapisan jernih dalam telaga tidak terdapat di bahagian tersebut. Apabila parameter dilicinkan dan diproses semula, pantulan kembali.
Kes 3 — Hantu interpolasi. Dalam volum 3D di mana baris yang hilang diisi oleh AI, pengulas melihat struktur saluran yang halus. Melihat topeng isian, dia melihat saluran itu jatuh tepat ke dalam ruang interpolasi. Apabila data medan tambahan dikumpulkan, menjadi jelas bahawa saluran itu tidak ada di sana, tetapi corak yang dihasilkan oleh ramalan.
Empat templat yang boleh disalin
1) Memproses lakaran aliran:
Peranan anda: pakar pemprosesan seismik. Data: [darat/laut, 2D/3D, persampelan 2 ms, sasaran 1-4 km]. Gariskan saya aliran pemprosesan langkah demi langkah (pra-pemprosesan → penindasan hingar → dekon → analisis halaju → penghijrahan). Dalam SETIAP langkah, tulis keputusan yang memerlukan parameter dan perkara yang perlu saya cari dalam memilih parameter tersebut.
2) Pelan kawalan penindasan bunyi:
Saya menggunakan penekan hingar AI. Beri saya senarai semak audit: apakah yang perlu saya cari dalam plot perbezaan, bagaimana saya mengenali kehilangan isyarat, apakah metrik yang harus saya bandingkan sebelum/selepas, apakah kadar rakaman yang perlu saya semak secara manual? Tulis pendek dan boleh diambil tindakan.
3) Perundingan parameter dekonvolusi:
Peranan anda: perunding pemprosesan. Saya menggunakan dekonvolusi dan bunyi frekuensi tinggi meningkat. Terangkan kemungkinan sebab, panjang operator, dan kesan tetapan prapemutihan. Bagaimanakah saya tahu jika deko yang berlebihan menghasilkan resolusi palsu? Berikan sebab bagi setiap cadangan.
4) Penjejakan topeng interpolasi:
Saya mengisi jejak yang hilang dengan AI. Beritahu saya cara untuk memastikan sel yang diisi ditandakan dalam langkah seterusnya, cara memisahkan ulasan daripada data sebenar, dan cara menghapuskan "struktur yang boleh dilihat hanya di rantau yang diinterpolasi".
Gesaan lemah / Gesaan kuat
Gesaan yang lemah:
Kosongkan bunyi dalam kecekapan seismik, beritahu tetapan terbaik.
"Tetapan terbaik" tidak wujud bebas daripada data; AI memberikan cadangan umum yang tidak terkawal.
Gesaan kuat:
Peranan anda: pakar pemprosesan seismik. Hasil: hitam 2D, groundroll kuat (5-12 Hz), pantulan sasaran 20-45 Hz, pensampelan 2 ms. Tugas: cadangkan pendekatan untuk penindasan hingar, terangkan dalam istilah kadar kekerapan komponen mana yang perlu dipelihara dan mana yang perlu disekat. Bagaimanakah saya memantau risiko kehilangan isyarat (metrik plot perbezaan) dan dengan metrik apakah yang saya bandingkan sebelum/selepas? Jangan hanya sebut "masukkan tetapan ini"; Beri kriteria keputusan.
Memandangkan watak data, jalur sasaran, dan kriteria kawalan, output menjadi benar-benar boleh dilaksanakan.
Langkah pemprosesan dan peranan AI
Langkah pemprosesan
Sumbangan AI
Risiko utama
keputusan manusia
Penindasan hingar rawak
tinggi
Padam isyarat lemah
Pengesahan parameter
Bunyi yang konsisten (gulungan tanah)
tinggi
penindasan yang berlebihan
Kawalan plot perbezaan
dekonvolusi
sederhana
resolusi palsu
Operator/pemutihan
Interpolasi jejak
sederhana
bangunan hantu
Penjejakan topeng
Analisis kelajuan
sederhana
Penghijrahan pada kelajuan yang salah
Disahkan oleh baik
Kesilapan biasa
- Menekan tanpa melihat plot perbezaan. Anda tidak akan melihat kehilangan isyarat sehingga anda melihat komponen yang dialih keluar.
- Berlebihan dekon. Tersilap hingar frekuensi tinggi untuk resolusi menghasilkan lapisan palsu.
- Kira surih interpolasi sebagai data sebenar. Membiarkan sel yang diisi tidak bertanda menghasilkan struktur hantu.
- Melihat satu metrik. Ia akan mengelirukan untuk melihat hanya pada nisbah isyarat kepada hingar dan mengabaikan pemuliharaan pantulan.
- Melepasi ikatan telaga. Beralih kepada mentafsir hasil pemprosesan tanpa menyambungkannya ke data telaga.
Secara ringkasnya
Dalam pemprosesan seismik, AI memberikan kelajuan yang lebih tinggi dan selalunya pemisahan yang lebih fleksibel dalam penindasan hingar, penyahkonvolusian dan interpolasi surih. Tetapi terdapat perangkap fizikal pada setiap langkah: memadam isyarat lemah, menghasilkan resolusi palsu, menimbulkan artifak hantu. Itulah sebabnya kawalan seperti kawalan plot perbezaan, ikatan telaga dan topeng interpolasi amat diperlukan. AI mencadangkan parameter; Pakarlah yang mengesahkan parameter mengikut fizik data dan menjadikan hasilnya boleh ditafsir.
Tugasan permohonan
Tentukan langkah penindasan hingar pada bahagian seismik (nyata atau sampel). Ekstrak aliran dengan templat "Garis aliran pemprosesan", kemudian hasilkan senarai semak dengan templat "Pelan kawalan penindasan hingar". Bandingkan kepingan sebelum/selepas dan plot perbezaan dan nilai dengan perkataan anda sendiri sama ada terdapat pantulan yang konsisten dalam komponen yang dikeluarkan.
senarai semak
- [ ] Saya membandingkan sebelum/selepas penindasan hingar dan plot perbezaan.
- [ ] Saya telah mengesahkan bahawa tiada isyarat yang konsisten dalam komponen yang dikeluarkan.
- [ ] Saya menyemak keputusan dekon untuk resolusi palsu.
- [ ] Saya menyimpan kesan interpolasi ditandakan dengan topeng.
- [ ] Saya mengikat keputusan dengan data telaga (tali telaga).