Практическое применение нейросетей для геологического описания породы

Аннотация

Доклад посвящен практическому применению нейронных сетей для геологического описания породы и подчеркивает возрастающую роль нейронных сетей. Озвучены направления по применению нейронных сетей при анализе керна и основные задачи, для решения которых применяются глубокие нейронные сети (CNN – convolutional neural network).

Рассматривается процесс обучения при исходном выделении объекта. Объясняется, как нейронные сети преодолевают трудности с недостаточным выделением керна и бирок из ящика, что обеспечивает точное и надежное определение объектов. Описываются сложности в классификации натуральных и техногенных трещин, а также применение техники для выявления и подсчета трещин, такие как RQD (Rock Quality Designation).

Обсуждаются методы, позволяющие нейронным сетям точно определять литологию с точностью до пикселя, и различия требования компаний к литологическому типу. Приводятся успехи в обучении нейронных сетей для фиксации вкраплений халькопиритов и сульфидов и в определении процента извлечения золота по характеристике степени окисления породы.

Доклад подчеркивает значительное влияние нейронных сетей на улучшение точности и эффективности анализа горных образцов. Аргументируется важность исследований в этой области и дальнейшей реализации нейронных сетей для геологических приложений.

Похожие материалы

• Практическое программирование ИИ: пример решения задачи множественной регрессии и классификации данных с обучением.
• Применение инструментов геологического моделирования Leapfrog Geo для создания рудных тел (или "доменов по содержанию")
• Методы машинного обучения как эффективный инструмент современного инженера на этапе комплексной интерпретации данных потенциальных полей и сейсморазведки
• Кeeping your data accessible to you on all your devices