ИСТИНА

В данном докладе рассмотрена возможность применения нейронной сети на основе трансформерной архитектуры для решения задачи автоматической сплайн-коррекции полученных в результате обработки магнитотеллурических кривых. Этап сплайн-коррекции (постобработки) является одним из самых длительных этапов работы с магнитотеллурическими данными, особенно в случаях с большим объемом выполненных измерений. Более того, этот этап практически всегда выполняется вручную, с применением программ для интерактивной коррекции кривых и отбраковки некачественных оценок передаточных функций. Наиболее известной программой, разработанной для решения этой задачи в компании ООО “Северо-Запад”, является MT¬-Corrector [4]. Проведение сплайнов по облаку оценок передаточных функций является трудоемким процессом из-за некоторых особенностей магнитотеллурических кривых. Во-первых, кривые часто зашумлены, что не позволяет использовать автоматические методы сплайн-коррекции. Во-вторых, для корректного проведения сплайнов необходимо учитывать физические ограничения, такие как дисперсионные соотношения между амплитудой и фазой (или действительной и мнимой частью), и различные другие особенности магнитотеллурических кривых [Зорин, 2018]. Предпосылкой для обучения нейросети под данную задачу является большое количество размеченных данных — сотни тысяч точек МТЗ, ГМТЗ и АМТЗ, выполненные компанией ООО “Северо-Запад”, по которым проведены сплайны. Предполагается, что нейронная сеть с трансформерной архитектурой, обученная с учетом физического штрафа за дисперсионные соотношения (ДС) и с другими ограничениями, сможет ускорить и упростить трудоемкий процесс ручной сплайн-коррекции.