ИСТИНА

В работе представлен подход к решению трехмерных структурных обратных задач геофизики с использованием современных методов машинного обучения. Разработана объектно-ориентированная методология моделирования геофизических данных, включающая формирование базы типовых локальных иерархических структур (грабены, горсты, нормальные и обратные разломы), а также расчет прямых задач для гравиметрии, магнитометрии и геоэлектрики. Ключевым элементом подхода является применение адаптивных архитектур, включая свёрточные нейронные сети, ориентированные на извлечение локальных пространственных признаков. Дополнительно реализованы механизмы трансферного обучения и предварительной классификации, что позволило повысить обобщающую способность моделей и их устойчивость при работе с геофизическими данными высокой размерности. Численные эксперименты показали, что предложенные методы обеспечивают более высокую точность инверсии по сравнению с классическими сверточными сетями и многослойными персептронами, особенно в задачах большой размерности. Рассматриваются перспективы развития подхода для решения обратных задач в случае неоднородных сред общего типа.