RUS  ENG ЖУРНАЛЫ   ПЕРСОНАЛИИ   ОРГАНИЗАЦИИ   КОНФЕРЕНЦИИ   СЕМИНАРЫ   ВИДЕОТЕКА   ПАКЕТ AMSBIB
Общая информация
Последний выпуск
Архив

Поиск публикаций
Поиск ссылок

RSS
Последний выпуск
Текущие выпуски
Архивные выпуски
Что такое RSS



Компьютерные исследования и моделирование:
Год:
Том:
Выпуск:
Страница:
Найти






Персональный вход:
Логин:
Пароль:
Запомнить пароль
Войти
Забыли пароль?
Регистрация


Компьютерные исследования и моделирование, 2019, том 11, выпуск 4, страницы 675–684 (Mi crm735)  

МОДЕЛИ В ФИЗИКЕ И ТЕХНОЛОГИИ

Интерпретация результатов радиоволнового просвечивания методами машинного обучения

И. М. Алешинab, И. В. Малыгинa

a Институт физики Земли им. О.Ю. Шмидта РАН, Россия, 123242, г. Москва, ул. Большая Грузинская, д. 10, стр. 1
b Федеральный исследовательский центр комплексного изучения Арктики им. академика Н. П. Лаверова РАН, Россия, 163000, г. Архангельск, наб. Северной Двины, д. 23

Аннотация: В настоящий момент значительно возросла глубина работ по разведке кимберлитовых тел и рудных месторождений. Традиционные геологические методы поиска оказались неэффективными. Практически единственным прямым методом поиска является бурение системы скважин до глубин, которые обеспечивают доступ к вмещающим породам. Из-за высокой стоимости бурения возросла роль межскважинных методов. Они позволяют увеличить среднее расстояние между скважинами без существенного снижения вероятности пропуска кимберлитового или рудного тела. Метод радиоволнового просвечивания особенно эффективен при поиске объектов, отличающихся высокой контрастностью электропроводящих свойств. Физическую основу метода составляет зависимость распространения электромагнитной волны от проводящих свойств среды распространения. Источником и приемником электромагнитного излучения является электрический диполь. При измерениях они размещаются в соседних скважинах. Расстояние между источником и приемником известно. Поэтому, измерив величину уменьшения амплитуды электромагнитной волны при ее распространении между скважинами, можно оценить коэффициент поглощения среды. Породе с низким электрическим сопротивлением соответствует высокое поглощение радиоволн. Поэтому данные межскважинных измерений позволяют оценить эффективное электрическое сопротивление породы. Обычно источник и приемник синхронно погружаются в соседние скважины. Измерение величины амплитуды электрического поля в приемнике позволяет оценить среднее значение коэффициента затухания на линии, соединяющей источник и приемник. Измерения проводятся во время остановок, приблизительно каждые 5 м. Расстояние между остановками значительно меньше расстояния между соседними скважинами. Это приводит к значительной пространственной анизотропии в распределении данных. При проведении разведочного бурения скважины покрывают большую площадь. Наша цель состоит в построении трехмерной модели распределения электрических свойств межскважинного пространства на всем участке по результатам совокупности измерений. Анизотропия пространственного распределения измерений препятствует использованию стандартных методов геостатистики. Для построения трехмерной модели коэффициента затухания мы использовали один из методов теории машинного обучения — метод ближайших соседей. В этом методе коэффициент поглощения в заданной точке определяется его значениями для $k$ ближайших измерений. Число $k$ определяется из дополнительных соображений. Влияния анизотропии пространственного распределения измерений удается избежать, изменив пространственный масштаб в горизонтальном направлении. Масштабный множитель $\lambda$ является еще одним внешним параметром задачи. Для выбора значений параметров $k$ и $\lambda$ мы использовали коэффициент детерминации. Для демонстрации процедуры построения трехмерного образа коэффициента поглощения мы воспользовались данными межскважинного радиоволнового просвечивания, полученные на одном из участков в Якутии.

Ключевые слова: межскважинное зондирование, радиоволновое просвечивание, машинное обучение, kNN-алгоритм.

Финансовая поддержка Номер гранта
Институт физики Земли им. О. Ю. Шмидта РАН
Федеральный исследовательский центр комплексных исследований Арктики РАН
Работа выполнена в рамках бюджетного финансирования Института физики Земли им. О. Ю. Шмидта РАН и ФГБУН «Федеральный исследовательский центр комплексных исследований Арктики РАН» (тема АААА-А18-118012490072-7).


DOI: https://doi.org/10.20537/2076-7633-2019-11-4-675-684

Полный текст: PDF файл (2628 kB)
Полный текст: http://crm.ics.org.ru/.../2826
Список литературы: PDF файл   HTML файл

Тип публикации: Статья
УДК: 550.8.05; 004.85
Поступила в редакцию: 13.05.2019
Исправленный вариант: 05.07.2019
Принята в печать:08.07.2019

Образец цитирования: И. М. Алешин, И. В. Малыгин, “Интерпретация результатов радиоволнового просвечивания методами машинного обучения”, Компьютерные исследования и моделирование, 11:4 (2019), 675–684

Цитирование в формате AMSBIB
\RBibitem{AleMal19}
\by И.~М.~Алешин, И.~В.~Малыгин
\paper Интерпретация результатов радиоволнового просвечивания методами машинного обучения
\jour Компьютерные исследования и моделирование
\yr 2019
\vol 11
\issue 4
\pages 675--684
\mathnet{http://mi.mathnet.ru/crm735}
\crossref{https://doi.org/10.20537/2076-7633-2019-11-4-675-684}


Образцы ссылок на эту страницу:
  • http://mi.mathnet.ru/crm735
  • http://mi.mathnet.ru/rus/crm/v11/i4/p675

    ОТПРАВИТЬ: VKontakte.ru FaceBook Twitter Mail.ru Livejournal Memori.ru


    Citing articles on Google Scholar: Russian citations, English citations
    Related articles on Google Scholar: Russian articles, English articles
  • Компьютерные исследования и моделирование
    Просмотров:
    Эта страница:5
    Полный текст:1
    Литература:2
     
    Обратная связь:
     Пользовательское соглашение  Регистрация  Логотипы © Математический институт им. В. А. Стеклова РАН, 2019