НЕЙРОННЫЕ СЕТИ И ИХ ПРИМЕНЕНИЕ В ГЕОФИЗИКЕ
Курсовая работа исследует применение нейронных сетей в геофизике с использованием языка программирования Python . В теоретической части рассматриваются основы нейросетей и особенности обработки сейсмических данных. Практическая часть включает создание моделей для распознавания сейсмических сигналов и прогнозирования геологических параметров. Использование Python позволило эффективно автоматизировать анализ данных, повысив точность и эффективность геофизических исследований.
Работа выполнена самостоятельно с использованием нейросетей и корректировкой.
Введение 3
1. Теоретическая часть 5
1.1. Основы нейронных сетей 5
1.2. Геофизические данные: структура, особенности, проблемы обработки 8
1.3. Применение нейронных сетей в геофизике 13
Итоги главы 22
2. Практическая часть 23
2.1. Создание и обучение нейронной сети для распознавания сейсмических данных 23
2.2. Разработка модели для предсказания геологических параметров по данным скважин 29
Итоги главы 35
Заключение 36
Список использованных источников 37
Приложения 39
1. Глубокие нейронные сети: зарождение, становление, современное состояние / Макаренко А. В. [Электронный ресурс]. Проблемы управления, 2020. URL: https://cyberleninka.ru/article/n/glubokie-neyronnye-seti-zarozhdenie-stanovlenie-sovremennoe-sostoyanie (дата обращения: 23.12.2024).
2. Гравиметрия [Электронный ресурс]. URL: https://www.booksite.ru/fulltext/1/001/008/012/609.htm (дата обращения: 23.12.2024).
3. Магнитометрия [Электронный ресурс]. URL: https://agtsys.kz/magnitometry (дата обращения: 23.12.2024).
4. Метод обратного распространения ошибки: математика, примеры, код [Электронный ресурс]. URL: https://neurohive.io/ru/osnovy-data-science/obratnoe-rasprostranenie/ (дата обращения: 23.12.2024).
5. Многослойный персептрон в машинном обучении [Электронный ресурс]. URL: https://datafinder.ru/products/mnogosloynyy-perseptron-v-mashinnom-obuchenii (дата обращения: 23.12.2024).
6. Нейронные сети долгой краткосрочной памяти и их использование для моделирования финансовых временных рядов / Лабусов М. В. [Электронный ресурс]. Инновации и инвестиции, 2020. URL: https://cyberleninka.ru/article/n/neyronnye-seti-dolgoy-kratkosrochnoy-pamyati-i-ih-ispolzovanie-dlya-modelirovaniya-finansovyh-vremennyh-ryadov (дата обращения: 23.12.2024).
7. Практики реализации нейронных сетей [Электронный ресурс]. URL: https://neerc.ifmo.ru/wiki/index.php?title=Практики_реализации_нейронных_сетей (дата обращения: 23.12.2024).
8. Применение нейронных сетей при выборе эффективного варианта организации геофизических исследований нефтяных и газовых скважин / Белошицкий А. В. [Электронный ресурс]. Архивариус, 2021. URL: https://cyberleninka.ru/article/n/primenenie-neyronnyh-setey-pri-vybore-effektivnogo-varianta-organizatsii-geofizicheskih-issledovaniy-neftyanyh-i-gazovyh-skvazhin (дата обращения: 23.12.2024).
9. Сверточные нейронные сети для решения задач компьютерного зрения / Сайфутдинов А. В. [Электронный ресурс]. Универсум: технические науки, 2023. URL: https://cyberleninka.ru/article/n/svertochnye-neyronnye-seti-dlya-resheniya-zadach-kompyuternogo-zreniya (дата обращения: 23.12.2024).
10. Сверточные нейронные сети. Три вещи, которые необходимо знать [Электронный ресурс]. URL: https://hub.exponenta.ru/post/svertochnye-neyronnye-seti-tri-veshchi-kotorye-neobkhodimo-znat631 (дата обращения: 23.12.2024).
11. Сейсморазведочные работы [Электронный ресурс]. URL: https://neftegaz.ru/tech-library/geologiya-poleznykh-iskopaemykh/142500-seysmorazvedochnye-raboty/ (дата обращения: 23.12.2024).
12. Gradient Boosting in ML [Электронный ресурс]. URL: https://www.geeksforgeeks.org/ml-gradient-boosting/ (дата обращения: 23.12.2024).
13. Random Forest Algorithm in Machine Learning [Электронный ресурс]. URL: https://www.geeksforgeeks.org/random-forest-algorithm-in-machine-learning/ (дата обращения: 23.12.2024).
14. ResNet (34, 50, 101): «остаточные» CNN для классификации изображений [Электронный ресурс]. URL: https://neurohive.io/ru/vidy-nejrosetej/resnet-34-50-101/ (дата обращения: 23.12.2024).
15. U-Net: нейросеть для сегментации изображений [Электронный ресурс]. URL: https://neurohive.io/ru/vidy-nejrosetej/u-net-image-segmentation/ (дата обращения: 23.12.2024).
