Reference

  •  1) Bugaec A. N., Dudenko L. N., 1976, Matematicheskie metody pri prognozirovanii mestorozhdeniy poleznyh iskopaemyh: L., Nedra. 270 s.

  •  2) Gataulin R. M., 1994, Prognozirovanie peschanyh tel kollektorov v terrigennyh otlozheniyah devona na osnove analiza formy impulsa seysmicheskoy zapisi: Geologiya i mineralno-syrevye resursy respubliki Bashkortostan: Ufa, IG UNC RAN, 118 - 119.

  •  3) Gataulin R. M., 1997, Lateralnyy prognoz litologii tonkosloistyh sred na osnove chastotno-zavisimyh seysmicheskih otobrazheniy: Sbornik tezisov Mezhdunarodnoy geofizicheskoy konferencii i vystavki: M., Sovincentr.

  •  4) Kozlov V. G. i dr., 2000, Prognozirovanie stroeniya zalezhey nefti v karbonatnom komplekse na osnove stratigraficheskogo analiza: Geofizika, spec. vyp. k 50-letiyu Permneftegeo-fiziki, 56 - 64.

  •  5) Novye tendencii.. novye tehnologii, 1997: Mir SZhZh (Reklamnyy prospekt): Franciya, Massi, 28.

  •  6) Ampilov I. R., Arts R. J., 1998, Reservoir study using factor analysis and supervised cluster analysis of seismic attributes: Extended Abstracts of the 60th EAGE meeting: Leipzig, 1, 135.

  •  7) Balz O., Pivot F., Veeken P., 1999, Reservoir characterisation using neural networks controlled by petrophysical and seismic modelling: Extended Abstracts of the 61Ih EAGE meeting, Helsinki, 1, 5 - 15.

  •  8) Dai H. C., MacBeth S, Li X. Y, 1998, Using the BPNN as a general feature detector: Abstracts of the 60Ih EAGE meeting, Leipzig, 1, 3.

  •  9) Ecoublet P., Symes W., Levin S., 1998, Porosity prediction from seismic inversion using artificial neural networks: Extended Abstracts of the 60th EAGE meeting, 1, 3 - 52.

  •  10) Gataulin R., 1999, Seismic trace shape analysis and preliminary estimation of input data: Extended Abstracts of the 61thI EAGE meeting, Helsinki, 2, 22.

  •  11) Groot de P., Krajewski P., Bischoff R., 1998, Evaluation of remaining oil potential with 3D seismic using neural networks: Abstracts of the 60th EAGE meeting, 2, 2 - 47.

  •  12) Gurney K., 1997, An introduction to neural network: University of Sheffield, London, UCL-press.

  •  13) Jain A., K., et al., 1996, Artificial neural networks: A Tutorial Computer, 29, 3, 31 - 44.

  •  14) Keer J. D., Abatzis /., 1998, Seismic trace shape classication -takes the “magic” out of stratigraphic interpretation: Extended Abstracts of the 60,h EAGE meeting, 2, 2 - 43

АВТОМАТИЗИРОВАННЫЕ КЛАССИФИКАЦИИ СЕЙСМИЧЕСКИХ ДАННЫХ ПО ФОРМЕ ЗАПИСИ

Гатаулин Р.М.

Аннотация

В заключение следует отметить, что целью статьи является привлечение внимания заинтересованных специалистов к этой проблеме. Остался неосвещенным вопрос применения статистики по методу Монте-Карло и цепей Маркова. В связи с крайне малым объемом публикаций на русском языке автору пришлось использовать собственный вариант перевода ряда терминов.

Информация об авторах

Библиографическая ссылка

Гатаулин Р.М. АВТОМАТИЗИРОВАННЫЕ КЛАССИФИКАЦИИ СЕЙСМИЧЕСКИХ ДАННЫХ ПО ФОРМЕ ЗАПИСИ // Геофизика. 2001. № 3. С. 30-39.

Список литературы

  •  1) Бугаец А. Н., Дуденко Л. Н., 1976, Математические методы при прогнозировании месторождений полезных ископаемых: Л., Недра. 270 с.

  •  2) Гатаулин Р. М., 1994, Прогнозирование песчаных тел коллекторов в терригенных отложениях девона на основе анализа формы импульса сейсмической записи: Геология и минерально-сырьевые ресурсы республики Башкортостан: Уфа, ИГ УНЦ РАН, 118 - 119.

  •  3) Гатаулин Р. М., 1997, Латеральный прогноз литологии тонкослоистых сред на основе частотно-зависимых сейсмических отображений: Сборник тезисов Международной геофизической конференции и выставки: М., Совинцентр.

  •  4) Козлов В. Г. и др., 2000, Прогнозирование строения залежей нефти в карбонатном комплексе на основе стратиграфического анализа: Геофизика, спец. вып. к 50-летию Пермьнефтегео-физики, 56 - 64.

  •  5) Новые тенденции.. новые технологии, 1997: Мир СЖЖ (Рекламный проспект): Франция, Масси, 28.

  •  6) Ampilov I. Р., Arts R. J., 1998, Reservoir study using factor analysis and supervised cluster analysis of seismic attributes: Extended Abstracts of the 60th EAGE meeting: Leipzig, 1, 135.

  •  7) Balz O., Pivot F., Veeken P., 1999, Reservoir characterisation using neural networks controlled by petrophysical and seismic modelling: Extended Abstracts of the 61Ih EAGE meeting, Helsinki, 1, 5 - 15.

  •  8) Dai H. C., MacBeth С, Li X. Y, 1998, Using the BPNN as a general feature detector: Abstracts of the 60Ih EAGE meeting, Leipzig, 1, 3.

  •  9) Ecoublet P., Symes W., Levin S., 1998, Porosity prediction from seismic inversion using artificial neural networks: Extended Abstracts of the 60th EAGE meeting, 1, 3 - 52.

  •  10) Gataulin R., 1999, Seismic trace shape analysis and preliminary estimation of input data: Extended Abstracts of the 61thI EAGE meeting, Helsinki, 2, 22.

  •  11) Groot de P., Krajewski P., Bischoff R., 1998, Evaluation of remaining oil potential with 3D seismic using neural networks: Abstracts of the 60th EAGE meeting, 2, 2 - 47.

  •  12) Gurney K., 1997, An introduction to neural network: University of Sheffield, London, UCL-press.

  •  13) Jain A., K., et al., 1996, Artificial neural networks: A Tutorial Computer, 29, 3, 31 - 44.

  •  14) Keer J. D., Abatzis /., 1998, Seismic trace shape classication -takes the “magic” out of stratigraphic interpretation: Extended Abstracts of the 60,h EAGE meeting, 2, 2 - 43