| Аннотация |
Численное моделирование волновых сейсмических полей широко используется как в сейсмологии, так и в разведочной геофизике. Во-первых, численное моделирование позволяет получить полностью контролируемые данные, пригодные для исследования специфики распространения волн в сложноустроенных средах, таких как анизотропные, вязкоупругие, флюидонасыщенные пороупругие среды и пр. Во-вторых, именно синтетические данные применяются для верификации алгоритмов обработки сейсмических данных, таких как полное обращение волновых полей, построение сейсмических изображений, сейсмическая миграция. В-третьих, численное моделирование является неотъемлемой частью большинства алгоритмов обработки. При этом именно численное моделирование сейсмических полей является наиболее ресурсоемкой частью всех указанных процедур, поскольку каждая из них предполагает решение серии задач с разными правыми частями для различных приближений модели.
Стандартная система наблюдения, используемая при проведении сейсморазведочных работ, включает в себя от десятков до сотен тысяч источников, что соответствует разным правым частям в задаче сейсмического моделирования. То есть при расчете полного набора сейсмических данных необходимо решать серию из сотен тысяч задач. При этом пространственная дискретизация каждой такой задачи требует более чем 10^11 степеней свободы и, как следствие, несколько Тб оперативной памяти. То есть каждая отдельная задача, расчет поля одного источника, требует использования суперкомпьютерных вычислений. В результате, требуемые вычислительные ресурсы для моделирования сейсмических данных для типичной системы наблюдения можно оценить примерно в 10^8 ядро-часов (при расчете на CPU). Эти оценки верны для самого простого случая – изотропной идеально упругой среды, при усложнении модели будет происходить кратное увеличение потребности в вычислительных ресурсах. В результате, в настоящее время, проведение подобных полномасштабных расчетов практически не проводится (один расчет за два – три года). Поэтому разработка новых методов численного моделирования волновых сейсмических полей и ускорения алгоритмов такого моделирования является чрезвычайно актуальной задачей.
В этом проекте предлагается новый подход к ускорению численного моделирования сейсмических полей, основанный на методах машинного обучения и с учетом специфики задачи – необходимости построения решения для большого количества правых частей. Идея подхода состоит в расчете решения для всех правых частей с низкой точностью, используя конечно-разностные схемы на грубых сетках. Такие расчеты можно провести относительно быстро. При этом для репрезентативного, но небольшого, набора правых частей проводится расчет решения с высокой точностью. После чего этот набор используется в качестве обучающей выборки для тренировки нейросети, которая отображает «неточные» данные в «точные». Предварительные результаты, полученные ранее коллективом, показывают применимость такого подхода для расчета волновых сейсмических полей, а в этом проекте усилия сосредоточены на развитии теоретических основ предложенного метода, его систематическом изучении, оптимизации и расширении границ применимости.
|
| Приоритеты научно-технического развития |
а) переход к передовым технологиям проектирования и создания высокотехнологичной продукции, основанным на применении интеллектуальных производственных решений, роботизированных и высокопроизводительных вычислительных систем, новых материалов и химических соединений, результатов обработки больших объемов данных, технологий машинного обучения и искусственного интеллекта;
|
