Научная статья на тему 'Аппроксимационно-нейросетевой подход к решению обратных задач геоэлектрики и гравиметрии'

Аппроксимационно-нейросетевой подход к решению обратных задач геоэлектрики и гравиметрии Текст научной статьи по специальности «Математика»

CC BY
97
79
i Надоели баннеры? Вы всегда можете отключить рекламу.
i Надоели баннеры? Вы всегда можете отключить рекламу.

Похожие темы научных работ по математике , автор научной работы — М И. Шимелевич, Е А. Оборнев, И Е. Оборнев, Е А. Родионов

iНе можете найти то, что вам нужно? Попробуйте сервис подбора литературы.
i Надоели баннеры? Вы всегда можете отключить рекламу.

Текст научной работы на тему «Аппроксимационно-нейросетевой подход к решению обратных задач геоэлектрики и гравиметрии»

Обратные задачи

103

Работа выполнена с использованием вычислительных ресурсов Межведомственного суперкомпьютерного центра Российской академии наук (МСЦ РАН). Исследование выполнено при поддержке РФФИ, проект №19-0100738 и за счет гранта Российского научного фонда проект № 19-11-00333.

Список литературы

1. Лаврентьев М.М. О некоторых некорректных задачах математической физики. Новосибирск, Изд-во АН СССР. 1962. 92 с.

2. Иванов В.К., Васин В.В., Танана В.П. Теория линейных некорректных задач и ее приложения. М.: Наука. 1978. 200 с.

3. Шимелевич М.И. Численные методы оценки степени практической устойчивости обратных задач геоэлектрики / М.И. Шимелевич, Е.А. Оборнев, И.Е. Оборнев, Е.А. Родионов // Физика Земли. 2013. № 3. С. 58-64.

4. Шимелевич М.И. Аппроксимационный нейросетевой метод решения многомерных нелинейных обратных задач геофизики / М.И Шимелевич, Е.А. Оборнев, И.Е. Оборнев, Е.А. Родионов // Физика Земли. 2017. № 4. С. 100-109.

Аппроксимационно-нейросетевой подход к решению обратных задач геоэлектрики и гравиметрии

М. И. Шимелевич1, Е. А. Оборнев1, И. Е. Оборнев12, Е. А. Родионов1

'Российский государственный геологоразведочный университет им. С. Орджоникидзе

2Научно-исследовательский институт ядерной физики им. Д. В. Скобельцына

Московского государственного университета им. М. В. Ломоносова

Email: [email protected]

DOI: 10.24411/9999-017A-2019-10214

В работе представлен аппроксимационно-нейросетевой (АНС) метод решения условно-корректных нелинейных обратных задач геофизики, который основан на аппроксимации обратного оператора с помощью нейронных сетей [1]. АНС метод и его модификации позволяют формализовано находить устойчивые приближенные решения обратных коэффициентных 2D, 3D задач геоэлектрики в классе сеточных моделей сред на регуляризованной сетке параметризации с приемлемой для практики точностью при минимальной априорной информации без задания первого приближения. Работа метода иллюстрируется на примере 3Д инверсии синтезированных площадных данных и 2Д натурных данных геоэлектрики методом МТЗ [2]. Показана принципиальная возможность применения АНС метода для решения условно-корректной обратной нелинейной 3D задачи гравиразведки (определение геометрии нижней границы исследуемого геолого-геофизического объекта с известной избыточной плотностью) [3].

Работа выполнена с использованием вычислительных ресурсов Межведомственного суперкомпьютерного центра Российской академии наук (МСЦ РАН). Исследование выполнено при поддержке РФФИ, проект №19-0100738 и за счет гранта Российского научного фонда проект № 19-11-00333.

Список литературы

1. Шимелевич М.И., Оборнев Е.А. Аппроксимационный метод решения обратной задачи МТЗ с использованием нейронных сетей. Физика Земли, 2009, т.45, №12, с.22-38

2. Шимелевич М.И., Оборнев Е.А., Оборнев И.Е., Родионов Е.А. Алгоритм решения обратной задачи геоэлектрики на основе нейросетевой аппроксимации // Сибирский журнал вычислительной математики. 2018. № 4. С. 437-452.

3. Шимелевич М.И., Оборнев Е.А., Оборнев И.Е. Применение аппроксимационного нейросетевого метода для решения обратной задачи гравиразведки // Функциональные пространства. Дифференциальные операторы. Проблемы математического образования: тезисы докладов Пятой Международной конференции, посвященной 95-летию со дня рождения члена-корреспондента РАН, академика Европейской академии наук Л. Д. Кудрявцева. Москва, РУДН, 26-29 ноября 2018 г. М.: РУДН, 2018. С. 314-315

i Надоели баннеры? Вы всегда можете отключить рекламу.