CC BY
23Обратные задачи
139
Работа выполнена с использованием вычислительных ресурсов Межведомственного суперкомпьютерного центра Российской академии наук (МСЦ РАН). Исследование выполнено при поддержке Российского фонда фундаментальных исследований, проект № 19-01-00738 и за счет гранта Российского научного фонда проект № 1911-00333.
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 // СибЖВМ. 2018. № 4. С. 437-452.
3. Шимелевич М. И., Оборнев Е. А., Оборнев И. Е., Родионов Е. А. Численные методы оценки степени практической устойчивости обратных задач геоэлектрики // Физика Земли, 2013. № 3. С. 58-64.
Повышение эффективности обучения нейронных MLP сетей на основе нескольких обучающих множеств в приложении к обратной задаче геоэлектрики
М. И. Шимелевич1, Е. А. Оборнев1, И. Е. Оборнев1,2, Е. А. Родионов1
1Российский 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-2020-10235
В настоящей работе представлена модификация аппроксимационного нейросетевого (АНС) метода решения нелинейного операторного уравнения 1 рода. АНС метод заключается в построении приближенного обратного оператора задачи (НС аппроксиматора инверсии) с помощью нейросетевых ап-проксимационных конструкций (MLP сетей) на основе заранее построенного множества опорных решений прямых и обратных задач [1-2]. В обратных задачах наземной геофизики отклик от приповерхностной части среды вносит существенный вклад в общее геофизическое поле, наблюдаемое на поверхности Земли и поэтому является шумовой составляющей при определении параметров нижележащих областей среды. Это приводит (особенно в случае детальной параметризации приповерхностной части) к значительному снижению качества обучения НС аппроксиматора задачи по отношению к параметрам глубинных областей. В данном исследовании предлагается строить НС аппроксиматор на основе двух различных множеств опорных решений: первое - с высокой степенью детальности параметризации приповерхностной части среды, а второе - с "загрубленной" параметризацией этой части для обеспечения качества обучения по отношению к глубинным подобластям. Приводится пример построения НС аппроксиматора инверсии по предложенной методике для обратной задачи геоэлектрики.
Работа выполнена с использованием вычислительных ресурсов Межведомственного суперкомпьютерного центра Российской академии наук (МСЦ РАН). Исследование выполнено при поддержке Российского фонда фундаментальных исследований, проект № 19-01-00738.
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 // СибЖВМ. 2018. № 4. С. 437-452.
Применение методов планирования экспериментов для вычисления эффективного коэффициента теплопроводности в гетерогенных средах с фазовыми превращениями
Э. П. Шурина1,2, Н. Б. Иткина23, С. И. Марков1,2 1 Институт нефтегазовой геологии и геофизики СО РАН 2Новосибирский государственный технический университет 3Институт вычислительных технологий СО РАН Email: [email protected] DOI: 10.24411/9999-017A-2020-10236
Рассматриваются вопросы математического моделирования процесса теплопроводности с фазовыми превращениями в гетерогенных трехмерных средах. Математическая модель процесса
