تحدي تفسير البيانات السيزمية المعقدة في اللعب غير التقليدية

وبالإضافة إلى ذلك، فإن عدم وجود أي شكل من أشكال التنقيب عن الموارد، وضآلة الزيت، والزيوت الضيق، وتراكم الميثان - الديوكسي، يُستخدم تلقائياً في إنتاج الهيدروكربونات من التكوينات المنخفضة القدرة على العمل، التي تُعدّ أشكالاً من التداخل بين الكائنات الحية، وتُعدّ هذه البيانات الغامضة أداة رئيسية للتصوير دون السطحي، ولكن الأهداف غير التقليدية تُحدث تعقيدات.

لماذا التعلم العميق يُفسّر الإهتزازات

ويُذكر أن هذه المواصفات غير المتكررة التي تُستخدم في عمليات المسح غير الافتراضي، أو في شكل نماذج غير متماثلة من حيث الاختلاف، أو في شكل بيانات غير قابلة للمقارنة، أو في شكل بيانات غير نمطية، أو في شكل نماذج قياسية ذات طبيعة غير نمطية، أو في شكل نماذج قياسية متغيرة في نوعية البيانات، أو في شكل نماذج قياسية متغيرة في البيانات.

The Data-Driven Paradigm Shift

ومن الناحية التاريخية، يعتمد التفسير السيزمي على الخوارزميات القائمة على القواعد وعلى الهيمنة من الخبراء، ويظهر هذا النموذج من حيث التعلّم العميق، بدلاً من أن نُخبر الحاسوب بما يبدو عليه من خطأ، أن هناك آلافاً من الأمثلة الخاطئة، وأن الشبكة تتعلم التوقيع الإحصائي، وقد أمكن هذا التحول من خلال توافر بيانات ضخمة مسمّاة بالثلاثة دي عن الحجم السيزمي من الأحواض الناضجة ومن خلال التقدم في عملية إعداد الخرائط.

المعمارات التعليمية العميقة الأساسية للبيانات السيزمية

وقد ثبتت فعالية عدة هياكل للشبكات العصبية بالنسبة لمختلف جوانب تفسير البيانات السيزمية، ويتوقف الاختيار على طبيعة المهمة وعلى بُعد المدخلات.

Convolutional Neural Networks (CNNs)

وتشتمل هذه الفحوصات على نماذج مثبتة في الصور الزلزامية، ويمكن تطبيقها في شكل 2D على شرائح عمودية أو شرائح زمنية؛ وفي شكل 3D SNNS، تقوم هذه الفحوصات بتحليل جميع الملامح المحسوبة، وتستخدم الشبكة النسيجية الكبريتية الموصلية التي تنزلق عبر المدخلات، وتتعلم مرشحات الاكتشاف الهرمية - من حواف بسيطة إلى أنماط متجانسة.

Recurrent Neural Networks (RNNs) and Temporal Models

وفيما يتعلق بالبيانات المتسلسلة - مثل الصور الموجية للزلازل الرأسية، فإن الفارق الزمني )٤ دال( في الزلازل، أو المناقصات الحسنة - الناموسيات النباتية، ومتغيرات البوابات )LSTM، GRU( هي أكثر ملاءمة، بينما تحتفظ الشبكة الوطنية للشبكة بدولة مخفية تستوعب المعالين المؤقتة، مما يجعلها مفيدة في التنبؤ بالأوجه غير المتجانسة من آثار الزلازلية.

Autoencoders for Denoising and Feature Extraction

فالأدوات الذاتية غير خاضعة للرقابة أو تخضع لإشراف ذاتي، وتتعلم إعادة بناء مدخلها بعد مرورها عبر طبقة من الاختناقات، مما يدفع الشبكة إلى تحديد أكثر الملامح البارزة في البيانات، وفي مجال المعالجة السيزمية، يمكن أن يزيل المزيجات التلقائية الضوضاء العشوائية والمتماسكة (مثلاً، التدمير الأرضي، والتعدديات) دون فقدان الظواهر التفككية.

شبكات التنوع الجيني

وتتألف الشبكة من شبكة مولدات كهربائية تنتج بيانات اصطناعية ومميزة تحاول التمييز الحقيقي عن المزيف، وفي مجال التفسير السيزمي، تستخدم الشبكات الجيولوجية في تركيبات سيزمية واقعية مدرة للبيانات، مع وجود علامات معروفة، لتكملة مجموعات بيانات التدريب المحدودة، كما أنها يمكن أن تؤدي تكييفاً للمجالات، وتترجم أحجاماً زلزالية مكتسبة بمقاييس مختلفة إلى مجال بحثي مشترك.

التطبيقات الرئيسية في مجال الاستكشاف غير التقليدي

ويُستخدم التعلم العميق في جميع تدفقات العمل الاستكشافي غير التقليدية، من فحص الأحواض إلى الإكمال الأمثل، وتبيّن الفروع التالية أكثر التطبيقات تأثيرا.

كشف الخزنة والاختلال

ويمكن أن تؤدي نماذج التعلم العميق إلى اكتشاف مناطق العطل الكبيرة وشبكات الكسور الفرعية من الخصائص السيزمية، كما أن هذه الشبكات التي يتم تدريبها على علامات الاختلال التي تُظهر باليد قد تؤدي إلى إحداث تقاطعات على نقاط التدفق فوق النسيج (IoU) على أساس قياسي.85 على أساس قياسي لحجم الظواهر السيزمية.

تصنيف الامتيازات وإثبات ملكية الصخرة

كما أن الخزانات غير التقليدية تتألف في كثير من الأحيان من الشلالات المتباينة والكربونات والسيليكات، ويمكن للتعلم العميق أن يصنف الخيوط السيزمية في وحدات الليثولوجية )مثل الشلالات الغنية العضوية، والسلاسل الكربونية، وطبقات البينتونية( بأنماط التعلم من الآبار التي ترتبط بالسيك.

ترجمة شفوية ومسح مقياس الحواسب

ويمكن أن يكون من الصعب اختراق الآفاق في أحواض غير تقليدية عندما تكون الانعكاسات ضعيفة أو متقطعة بسبب التعطل، وتستخدم أساليب التتبع الآلي للتعلم العميق أجهزة الأشعة السيزمية في اتباع المعالم السيزمية بتعلم الغطس المحلي والاستمرارية الأفقية من عدد قليل من النقاط البذور، وتتكون هذه المقاييس قوية للضوضاء ويمكن أن تستقر بثقة عالية من الثغرات.

منطقة تحديد المواقع والهبوط

:: تحديد " مكان الحبيب " - المنطقة التي توجد فيها أعلى احتياطات من الهيدروكربونات، والتي تدمج معالم جيوفيزيائية وزيائية متعددة، ويمكن أن تؤدي نماذج التعلم العميق إلى زيادة الخصائص السيزمية، وخواص الصخر المحفورة، وإلى بيانات جيدة عن استخدام كمية واحدة من مؤشرات المخاطر المركبة، وعلى سبيل المثال، يمكن أن تأخذ شبكة متصلة تماماً كمساهمة في مجموعة من الخصائص المستمدة من خرائط الأفق (المقياس الناتج، TOC)

إعداد البيانات، واستراتيجيات التدريب، والخيوط

ويستلزم التعلم العميق الناجح للبيانات السيزمية معالجة دقيقة للبيانات، حيث إن نوعية العلامات )مثلاً، أخطاء مصو َّبة باليد، ومزيجات من الأخشاب( تتحكم مباشرة في دقة النموذج، أما بالنسبة للمسرحيات غير التقليدية، التي قد تكون البيانات الأساسية محدودة، فإن الممارسين كثيراً ما يعتمدون نُهجاً شبه مشرفة: تدريب شبكة أولية على مجموعة بيانات صغيرة تحمل علامات، ثم استخدام هذه البيانات لتوليد علامات مثبتة على نطاق أوسع.

وضع العلامات ومراقبة الجودة

فالبيانات الزلزالية المميزة تتطلب خبراء من علماء الهندسة، وهو مكلف، وبالنسبة لكشف الأخطاء، فإن المترجمين الشفويين يلتقطون عادة أخطاء في الآراء المتقاطعة والوقتية؛ ثم تُضخ هذه الملتقطات في بطاقات ثنائية، وتحيز المترجم الشفوي هو تحيز حقيقي متفاوت في مجال الجيولوجيا، قد يرسمون أخطاء مختلفة، ولخفض هذه العلامات المتشابكة المتعددة الأطراف في توافق الآراء، وتُدرَّب نماذج للتنبؤات.

تقدير قيمة المواد الكيميائية وكميتها

فالحدوث الشائع هو قياسات التحقق المفرطة، ولأن الثعابين المتجاورة في المكعب السيزمي ترتبط ارتباطاً وثيقاً، فإن التقسيمات العشوائية التي تُجرى في اختبارات القطارات يمكن أن تؤدي إلى تسرب البيانات - ويبدو أن النموذج يؤدي إلى نتائج جيدة لأنه يرى تركيبات مماثلة في كلا المجموعتين، ويستلزم التحقق من الاختراق من جانب منطقة جيدة أو مكانية، مثل ترك دليل للثقة على أساس 3D بأكملها لتقدير مدى عدم اليقين.

التحديات الخاصة باستكشاف الموارد غير التقليدية

ورغم النجاحات، فإن اعتماد التعلم العميق في اللعب غير التقليدية يواجه عقبات، ومن التحديات الرئيسية ندرة البيانات المسمومة: فهناك العديد من الأحواض غير التقليدية التي لا تملك سوى بضعة آبار معايرة، وكلها بيانات أساسية محدودة وبيانات عن الأخشاب، وقد لا يعمل التعلم من الأماكن التقليدية بشكل جيد نظراً لاختلاف الخصائص السيزمية، وثمة مسألة أخرى هي عدم التماثل في المقاييس والتسوية: فالبيانات السيزمية تُحلّ بشكل عمودي على أساس المعالم.

ولا تزال التكلفة الحاسوبية حاجزا عمليا، إذ إن تدريب 3D CNN على 500 كيلومتر 3 ] يمكن أن يستغرق أياما على مجموعة متعددة من وحدات التصوير العالمي، كما أن الاستدلال على الحجم الكامل يتطلب أيضا موارد كبيرة، وقد جعل حساب الكلاود هذا أكثر سهولة، ولكن صغار المشغلين قد يكافحون، ولتناول هذا، يقوم الباحثون باستكشاف تقنيات العزلة (مثلية).

إدماج الموانع المادية

فالتعليم العميق المدفوع بالبيانات وحده يمكن أن ينتج نتائج غير واقعية جيولوجية، على سبيل المثال، التنبؤ بعواقب عبور طبقة متداخلة ينبغي أن تكون مستمرة، فإدماج القيود المادية في هيكل الشبكة أو وظيفة الخسارة هو مجال بحثي نشط، كما أن الشبكات العصبية المزودة بالمعلومات الفيزيائية تضيف شروطاً قانونية تعاقب على انتهاكات الفيزياء المعروفة (مثلاً، القيم المتوقعة للتنبؤات).

التوقعات المستقبلية: تجهيز الوقت الحقيقي والتكامل بين الفيزياء المتعددة

أما الحدود التالية للتعلم العميق في مجال التفسير السيزمي فهي تجهيزات في الوقت الحقيقي أثناء الاقتناء، ويمكن أن تؤدي أجهزة الحوسبة الحوسبة ذات الطاقة العصبية المنخفضة القدرة إلى كشف الأخطاء آليا ومراقبة الجودة، حيث أن السفينة السيزمية أو طاقم الأرض يكتسبان بيانات تسمح بإعادة اقتناء خطوط رديئة النوعية فورا، ويمكن أن يساعد التطوير غير التقليدي، والتجهيز الفعلي للزل السيزمي أثناء الحفر على التكيف السليم.

وثمة اتجاه واعد آخر هو دمج البيانات الزلزالية مع غيرها من الرصد الجيوفيزيائي والهندسي للبيانات، والضغوط الحسنة، ومعدلات الإنتاج - في نموذج موحد للتعلم العميق يتوقّع فعالية الإكمال، ويظهر البحث المبكر في الشبكات العصبية " الفيزياء المتعددة " أن الجمع بين الخصائص السيزمية والميكروسية يزيد من التنبؤ بالألوان المحتبة للكميات الصخرية مقارنة بنسبة 40 في المائة.

For further reading on specific methodologies, the Society of Exploration Geophysicists (SEG) has published extensive case studies in its journal Interpretation, including standard deep learning datas for fault detection. The SeismicAI project provides open-source tools for applying CNNs to seism

خاتمة

وقد غيرت مقاييس التعلم العميقة تغييراً جوهرياً التفسير السيزمي لاستكشاف الموارد غير التقليدية، ومن خلال التأقلم الآلي للكشف عن الأخطاء وتصنيفات الخيوط والتنبؤ بالممتلكات، فإنها تمكن المستكشفين من معالجة الأحواض السيزمية على نطاق أحواض، مع توخي الموضوعية والسرعة، ويكمن مفتاح النجاح في وضع علامات دقيقة على البيانات، والاختيار النموذجي المناسب، واستراتيجيات التحقق التي تُشكل التطابق المكاني.