Тип публикации: доклад, тезисы доклада, статья из сборника материалов конференций
Конференция: Интеллектуальный анализ данных в нефтегазовой отрасли 2026; Нижний Новгород; Нижний Новгород
Год издания: 2026
Ключевые слова: seismic exploration, noise suppression, сейсморазведка, шумоподавление, deep learning, vision transformer, Hiera
Аннотация: Качественные данные сейсморазведки (особенно pre-stack) важны для скоростного анализа и прогноза нефтегазоносности. Однако интенсивные шумы различной природы снижают их ценность. Традиционные методы (FK-фильтрация, -p преобразование) трудоёмки и плохо справляются с нестационарными помехами. Работа посвящена применению иерархическогПоказать полностьюо Vision Transformer (Hiera) для шумоподавления pre-stack записей. Рассматриваются две стратегии: прямое восстановление сигнала и предсказание шума с вычитанием. Проводится сравнение Hiera с классической архитектурой U-Net по визуальному качеству и метрикам (MSE, PSNR, MS-SSIM). High-quality seismic data (especially pre-stack) are important for velocity analysis and hydrocarbon potential prediction. However, intense noise of various types reduces their value. Traditional methods (FK filtering, -p transform) are labor-intensive and poorly handle non-stationary interference. This work focuses on the application of a hierarchical Vision Transformer (Hiera) for noise suppression of pre-stack records. Two strategies are considered: direct signal restoration and noise prediction with subtraction. Hiera is compared with the classic U-Net architecture in terms of visual quality and metrics (MSE, PSNR, MS-SSIM).
Журнал: Интеллектуальный анализ данных в нефтегазовой отрасли 2026
Номера страниц: 61-65
Место издания: Москва