Geoplat AI破解版是功能强大的地质软件,Geoplat AI基于先前训练的神经网络数据集计算图像分割。会自动将初始地震体划分为多组分段。根据训练过程中生成的一组特征,自动计算每个分段点出现故障的概率,支持通过手动故障标记对其进行训练来自定义神经网络。允
Geoplat AI破解版是功能强大的地质软件,Geoplat AI基于先前训练的神经网络数据集计算图像分割。会自动将初始地震体划分为多组分段。根据训练过程中生成的一组特征,自动计算每个分段点出现故障的概率,支持通过手动故障标记对其进行训练来自定义神经网络。允许使用机器学习功能清理数据集,为不同类型地震数据的自动跟踪问题提供了有效的解决方案。Geoplat AI允许使用机器学习功能清理数据集。我们的新一代卷积神经网络在数十万个独特的合成数据集上进行了训练,这些数据集涵盖了导致人工地震响应的大量噪声效应和类型。经过训练的神经网络有助于提高地震数据质量,同时保持正确的振幅比:放大断层带的视觉显示、去除噪声、恢复“去除”的反射、平滑效果等。允许使用机器学习功能清理数据集,新一代卷积神经网络在数十万个独特的合成数据集上进行了训练,这些数据集涵盖了导致人工地震响应的大量噪声效应和类型。基于我们的机器学习算法生成盐概率属性卷,该算法使用在真实数据上训练的神经网络。
功能特色
一、机器学习故障解释
断层解释是结构解释工作流程中最困难的任务之一。
Geoplat开发的该技术有助于显着减少构建地质模型所花费的时间和资源。使用基于深度神经网络的机器学习可以计算故障概率分布、提取表面并消除解释不确定性。
与传统技术相比,在质量差的地震数据上获得更好的结果
解释结果可用于定义区域结构概念
交互式断层解释和质量控制
解释具有挑战性的地质环境中存在的不同断层类型
1、挑战
通常,创建断层模型和追踪断层是一个非常耗时的过程,需要详细了解一个地区的地质特征。解释器通常必须根据各种地质和物理因素运行具有多次迭代的自动解释工作流。
然而,现有故障自动跟踪技术的能力存在严重的局限性。围绕自动解释的一些挑战仍未解决:数据质量差、区域和局部不连续、体积大小、反向或列表错误。
2、我们的解决方案
Geoplat AI基于先前训练的神经网络数据集计算图像分割。
我们的新一代卷积神经网络在覆盖多个故障段的数据样本上进行训练。
在训练过程中,神经网络生成一个断层数据库,其中包括存在迹象并识别地质结构中的存在模式。
Geoplat AI会自动将初始地震体划分为多组分段。根据训练过程中生成的一组特征,自动计算每个分段点出现故障的概率。
还有一个选项可以通过手动故障标记对其进行训练来自定义神经网络。用户的输入被添加到训练集中以重新训练改变结果模型的网络。
最后,该算法使用计算的概率场自动获取表面组,使用户能够进一步自定义故障提取参数。
3、应用
—获取详细的故障模型框架
—从数据中生成一个故障概率场,突出整个地震数据集中所有断开类型的故障分布
—自动提取断面
二、机器学习地平线解读
地层解释是理解地质剖面结构特征和进行可靠动态地震分析的核心过程。
Geoplat提供了一种解决自动地平线追踪的新方法。您可以追踪单个层位或整个层位,保留复杂的断层结构和区域地质特征。
即使地震数据质量较差,也能获得更好的结果
提高结构细节水平
不同故障类型的精准追踪
结构复杂层位的自动解释
1、挑战
层位跟踪的质量是地震解释的关键挑战之一。
这也是最耗时的任务之一。
现在有大量的自动跟踪算法可用。然而,在复杂的地质环境中解决结构解释工作流程仍然存在相当大的技术限制。这推动了项目时间和成本的上升。
2、我们的解决方案
Geoplat AI允许使用机器学习功能清理数据集。我们的新一代卷积神经网络在数十万个独特的合成数据集上进行了训练,这些数据集涵盖了导致人工地震响应的大量噪声效应和类型。
经过训练的神经网络有助于提高地震数据质量,同时保持正确的振幅比:放大断层带的视觉显示、去除噪声、恢复“去除”的反射、平滑效果等。
该算法选取与预测的LGT(当地地质时间)剖面上的层位相对应的等高线。
它为不同类型地震数据的自动跟踪问题提供了有效的解决方案,保留了输入数据的细节(包括多个断层带和复杂的层位)。
3、应用
—使用以下信号特征自动解释地震层位:波峰、波谷、零交叉
—自动跟踪选定区间内的地层层位集
三、ML地震数据调节
低质量的地震数据集通常使构建结构框架变得困难
并预测支付区属性。
Geoplat开发的机器学习算法为叠后地震数据的交互式和智能数据调节提供了强大的工作流程。它能够获得即时结果,大大节省了定义功能和工作流程的时间。
提高地震图像质量
提高信噪比的同时
保持垂直分辨率
减少花在参数化上的时间
1、挑战
在处理地震数据时,所需的结果是地质上合理的地震剖面,横向和垂直平衡并且具有高信噪比。
有许多不同的滤波技术可用于处理各种类型的噪声并总体上提高地震数据的质量。但是,处理过滤器设置非常耗时,并且通常对结果的改进并不显着。改变设置也可能扭曲地震振幅和频谱。因此,在每种特定情况下选择最佳的堆栈后程序是一个难以解决的常见挑战。
2、我们的解决方案
Geoplat AI允许使用机器学习功能清理数据集。我们的新一代卷积神经网络在数十万个独特的合成数据集上进行了训练,这些数据集涵盖了导致人工地震响应的大量噪声效应和类型。
经过训练的神经网络可以在保持正确幅度比的同时提高地震数据的质量:放大断层带的视觉显示、去除噪声、恢复“去除”的反射、平滑效果等。
3、应用
—去除不规则噪音
—提高信噪比
—提升断层带的视觉表现力
四、ML盐体描绘
常见的解释方法通常无法确定盐体边界包括其顶部和底部的确切位置。
我们创新的机器学习方法有助于生成预测盐层分布区域的独特体积属性。
减少人为偏见导致的误解
自动提取盐边界,包括顶部和底部
QC盐解释的附加地震属性
1、挑战
准确的盐体解释(和其他类似的地层对象)通常给地球科学家带来复杂的挑战。极端倾角值、可疑的层位解释(包括多Z情况)、速度异常和反射率数据差——所有这些因素都导致解释中的不确定性。
2、我们的解决方案
Geoplat AI基于我们的机器学习算法生成盐概率属性卷。
该算法使用在真实数据上训练的神经网络。标记的数据会生成一个参考数据集,该数据集准确地勾勒出盐体的定义顶部和底部位置。
我们的新一代多层神经网络将训练期间的碎片数据区域与所需特征进行比较。然后它将盐概率分配给原始卷段。
Geoplat AI机器学习算法将源数据划分为多个片段,因此经过训练的卷积网络应用类似的程序并构建3D模型。
3、应用
—针对盐积层地层优化的自动层位解释
—地层层位切片
五、ML通道和砂体检测
从反射率数据中提取细微变化的问题通常与各种类型的沉降响应有关。有时,在同一地质时期形成的区间内,没有足够的细节来探测整个物体。
Geoplat AI可以生成完整的概率模型来检测整个地震体中的通道和其他地质物体。
仅使用地震数据检测地质体的能力,无需其他属性
预测通道、砂体、扇、注入岩等的统一模型。
物体检测与反射率无关
1、挑战
在典型的地球科学解释工作流程中,识别地震数据中的地质体(通道体、条形、扇形等)的任务可能需要相当长的时间,具体取决于数据质量和地质不确定性。
结合RGB混合(或其他混合变化)的传统多属性分析技术允许以合理的准确度识别地震体中的地质对象。然而,这种方法有很大的缺点,例如错误概率以及需要运行复杂且通常耗时的属性计算。
2、我们的解决方案
Geoplat AI提供包含地质体概率分布值的体积属性的自动识别。
主要原理类似于盐体提取工作流程:它使用新一代多层卷积神经网络,支持对预先标记的数据样本进行深度学习,以识别特定对象
像通道体。
基于Geoplat技术团队的经验,该算法有助于评估感兴趣的区域,即使在极大的地震体积中也是如此。它也可以用作质量控制工具。
3、应用
—渠道、砂体和其他地质物体的概率预测模型
——详细的互动解读
—自动地质体提取
安装激活说明
1、下载并解压,如图所示
2、安装应用程序,勾选我接受协议
3、进行安装设置,完成后安装 FlexNet Publisher License Server Manager(可能需要运行两次)
勾选“安装 Visual C++ 2008 Redistributable Package”
勾选“作为服务运行”
勾选“立即启动服务器”
4、将“netapi32.dll”和“GPDLLCRU.exe”从“lmadmin”文件夹复制到该目录;
C:\Program Files (x86)\FlexNet Publisher 许可证服务器管理器
5、将 "Seismic" 复制到C:\Geoplat\
6、将“GeoplatAI21.iR”文件复制到此目录;
C:\Program Files (x86)\FlexNet Publisher 许可证服务器管理器
C:\Geoplat\Seismic\bin
C:\Geoplat\Seismic\loader\exedll
C:\Geoplat\Seismic\loader\exedll64
C:\Geoplat\Seismic\Service
7、运行“任务管理器”并转到“服务”点击
停止“lmadmin”服务,等待停止,重新启动
8、- 在浏览器中输入此地址; http://localhost:8090/
点击“管理”
用户名和密码是:admin
设置任何新密码
单击“供应商守护程序配置”,然后单击“导入许可证”
导入“license.lic”
成功消息:
导入信息
已成功将许可证文件上传到 licenses\GPDLLCRU\license.lic。
配置了新的供应商守护程序 GPDLLCRU。
9、启动 Geoplat AI
闪电小编说明:
使用将为用户提供领先的工具和技术,通过领先的机器学习技术快速的对各种复杂的模型进行故障的排除,准确的进行分析和排除,只能计算故障概率分布,收集可靠的地震数据,预测不同地区盐层的可能分布,构建概率模型以识别地震多发地区的运河和其他地质现象