Факультет прикладних комп'ютерних технологій (ДМетІ) <br> Дніпровський металургійний інститут (ДМетІ)

Permanent URI for this communityhttp://crust.ust.edu.ua/handle/123456789/14592

UK: Факультет прикладних комп'ютерних технологій (ДМетІ)
Дніпровський металургійний інститут (ДМетІ) EN: Faculty of Applied Computer Technology
Dnipro Metallurgical Institute

Browse

Filter results by typing the first few letters
Now showing 1 - 2 of 2
  • Thumbnail Image
    Item type:Item,
    Застосування методів машинного навчання в обробці 3D сейсмічних зображень
    (Український державний університет науки і технологій, ННІ ≪ Дніпровський металургійний інститут ≫, ІВК ≪Системні технології≫, Дніпро, 2026) Дмитрієва, Ірина Сергіївна; Дмитренко, Андрій Миколайович
    UKR: У статті представлено комплексний технічний огляд застосування методів машинного навчання (МН) та глибокого навчання (ГН) для аналізу 3D сейсмічних зоб-ражень у геофізичній розвідці. Розглядається проблема обробки терабайтних обсягів сейсмічних даних, які традиційно вимагають місяців ручної інтерпретації, та обґрунтовується необхідність переходу до автоматизованих методів аналізу. Детально описуються основні архітектури нейронних мереж (CNN, U-Net, TransUnet) та їх застосування для ключових завдань: виявлення розломів, делімітації соляних тіл та класифікації літофацій. Особлива увага приділяється практичним аспектам впровадження МН, включаючи роботу з форматом SEGY через Python-бібліотеки, методи подолання дефіциту розмічених даних через синтетичну генерацію та аугментацію, а також використання публічних наборів даних (F3, FORCE) для навчання моделей. Висвітлюються сучасні напрямки досліджень, зокрема самоконтрольоване навчання (SSL) для роботи з нерозміченими даними, фізико-інформовані нейронні мережі (PINNs) для інтеграції геофізичних законів, та методи квантифікації невизначеності результатів.
  • Thumbnail Image
    Item type:Item,
    Методи автоматизованої передобробки 3D сейсмічних даних
    (Український державний університет науки і технологій, ІВК «Системні технології», Дніпро, 2026) Дмитрієва, Ірина Сергіївна; Дмитренко, Андрій Миколайович
    UKR: У роботі досліджено сучасні методи автоматизованої передобробки 3D сейсмічних даних, спрямованих на підвищення якості геофізичної інтерпретації. Детально розглянуто характерні риси таких даних, через які виникає необхідність попереднього опрацювання: наявність сильних шумів, неоднорідність фізичних властивостей середовища та обробка великих масивів інформації. Описано традиційні підходи до передобробки, зокрема фільтрацію, нормалізацію, інтерполяцію, вирівнювання сигналів та методи їх підсилення. Значна увага зосереджена на інноваційних технологіях машинного навчання, включаючи використання згорткових нейронних мереж, автоенкодерів і генеративних моделей. Розглянуто перспективи автоматизації процесів передобробки за допомогою оптимізаційних алгоритмів та платформ AutoML. У підсумках виділено ключові переваги, існуючі обмеження та окреслено можливості подальшого розвитку гібридних підходів у даній галузі.