Методи автоматизованої передобробки 3D сейсмічних даних

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.

ENG: This paper examines modern methods of automated pre-processing of 3D seismic data, aimed at improving the quality of geophysical interpretation. It examines in detail the characteristic features of such data that necessitate pre-processing: the presence of strong noise, the heterogeneity of the physical properties of the medium, and the processing of large data sets. Traditional approaches to pre-processing are described, in particular filtering, normalisation, interpolation, signal alignment and methods for their amplification. Considerable attention is focused on innovative machine learning technologies, including the use of convolutional neural networks, autoencoders and generative models. The prospects for automating pre-processing workflows using optimisation algorithms and AutoML platforms are examined. The conclusions highlight key advantages, existing limitations and outline opportunities for the further development of hybrid approaches in this field.