Разработка способов повышения эффективности амплитудной сейсмической инверсии при изучении неоднородных коллекторов

Во введении описывается актуальность темы диссертационной работы,
сформулированы цели и задачи исследований, представлены основные научные
результаты, отмечена практическая ценность работы, а также выражены
благодарности за содействие и помощь.

Глава1.Обзорсовременныхпроблемамплитуднойинверсии
сейсмических данных
Впервойглавеотмеченыосновныепроблемыинверсионных
преобразований и их причины. В конце приводятся существующие способы
решения и их недостатки.
Основной задачей амплитудных инверсионных преобразований является
переход от сейсмической информации к кубам упругих свойств. Большинство
алгоритмов построены на сверточной модели как для суммарного куба, так и для
сейсмограмм. Подходы к решению задачи можно глобально поделить на два:
детерминистический и стохастический. Если первый вариант дает единственное
решение в рамках заданных параметров на подаваемую на вход информацию, то
стохастическийвариант предполагает множестворешений, позволяющее
выполнять вероятностные оценки результатов. Каждый из представленных
подходов можно еще раз поделить на два: с использованием фоновой модели
(model-based) и без использования фоновой модели (data-driven). Более детальная
классификация инверсий строится на их алгоритмах, с ней можно ознакомиться в
работе [Данько Д.А., 2018].
В трех разделах главы рассмотрены проблемные места инверсии: отсутствие
низких и верхних частот, неустойчивость сейсмического импульса и расхождение
между реальным и теоретическим сейсмограммами. Из причин ограниченности
спектра сейсмической записи отмечено влияние характеристик приемника и
источника [Смирнов В.Н., 2017; Margrave G.F., 2011], поглощения и графа
обработки [Hodgson L., 2002; Kroode Fons ten, 2013]. При анализе факторов,
влияющих на форму сейсмического импульса, подчеркивается влияние типа
источника, характеристик среды, в которой происходит возбуждение сигнала,
свойств взрывчатого вещества [Ricker N., 1953; Yu C., 2018], кратных волн,
алгоритма извлечения сигнала [Cui T., 2014]. В третьем разделе приводятся
причины расхождений между реальными и синтетическими сейсмограммами с
акцентом на AVO (amplitude versus offset) отклик: граф обработки, сферическое
расхождение, характеристика направленности, растяжение и т.д [Singleton S., 2009;
Assis C. A., 2017; Sigismondi M.E., 2017; Xu Y., 2007; Mahmoudian F., 2013, 2015].
Четвертый раздел обозначает способы решения отмеченных проблем и связанные
с ними недостатки.
Выводы по Главе 1:
1. Форма извлекаемого сейсмического импульса существенно влияет на
результат инверсии. Для минимизации его вариаций требуется разработать
алгоритм, позволяющий получить более точную оценку упругих свойств в
сравнении с обычной интерполяцией сигналов, полученных в точках
скважин.
2. Финитность спектра сейсмической записи приводит к неограниченному
количеству решений инверсии. Существующий распространенный способ
компенсации данной проблемы в виде интерполяции скважинных кривых
может приводить к недостоверности получаемых карт упругих свойств.
Поэтому для улучшения требуется рассмотреть альтернативные технологии
построения фоновой модели и выбрать оптимальный вариант.
3. Расхождения между теоретическими и реальными сейсмограммами
остаются частым явлением в современных проектах и приводят к ошибкам в
инверсионных преобразованиях. Требуется модифицировать имеющуюся
модель выполнения синхронной инверсии для уточнения ее работы.

Глава 2. Амплитудно-фазовая коррекция сигнала, основанная на
модели
Неоднородная верхняя часть разреза приводит к сильным изменениям в
формесигналапривыполнениисейсморазведочныхработ.Коррекция
сейсмического материала за форму импульса является неотъемлемой частью графа
обработки, который включает в себя процедуры деконволюции и в некоторых
случаях компенсации за поглощение, нацеленные на обозначенную проблему
[Levin S.A.,1989; Peacock K.L.,1969; Raji W.O., 2011]. В случае, если волновое поле
хорошокоррелируетсяссинтетическимприпомощисимметричного
(нульфазового) сигнала, проблема формы сигнала считается устраненной.
В реальности такого не происходит. Главным индикатором того, что полное
избавление от влияния формы сигнала не происходит, является само наличие такой
процедуры как извлечение импульса в процессе привязки. Решение задачи по
оценке импульса можно найти только в точках скважин с соответствующим
каротажом. В межскважинном пространстве проблема остается прежней. Для ее
решения прибегали к различного рода ограничениям и предположениям: характер
распределения коэффициентов отражений, длина сигнала, статистические
критерии и т.д [Edgar J.A., 2011; Tadeusz J. Ulrych 1995]. Большинство таких
ограничений игнорируют реальную геологию, основываясь лишь на некоторых
статистических предположениях.
Исходя из нашего практического опыта, было отмечено, что в ряде случаев
поведение геологических границ достаточно предсказуемо. Помимо этого, после
обработки, форма импульса считается нульфазовой, а в точках скважин есть
возможность ее уточнить. На основе этих допущений был разработан алгоритм
амплитудно-фазовой коррекции сейсмического сигнала.
Использование априорных данных в виде построенной модели, а также
сведений об извлеченном импульсе, приводит к нахождению экстремума функции
вида:
( ) = ( ∗ − )2 + ( − )(1)
где J – целевая функция, ед.
F – рассчитываемый фильтр, ед.
S- сейсмическая трасса, ед.
* – оператор свертки,
– коэффициенты отражений, получаемые из задаваемой модели, ед.
α – коэффициент регуляризации, ед.
– априорный фильтр, ед.
Поиск минимума может быть реализован методом сопряженных градиентов,
решая следующую задачу:
= ( + ∗ )−1 ∗ ( ∗ + ∗ )(2)
где матрица I – единичная матрица,
матрица G состоит из значений вектор-столбца S и заменяет
свертку:
= ∗ (3)
Построение модели трассы коэффициентов отражений производится путем
интерполяциикривыхГИС(геофизическиеисследованияскважин)в
межскважинном пространстве, а априорным фильтром может выступать обратный
фильтр к извлеченному сигналу или статистическому.
Для оптимального результата требуется подобрать несколько параметров в
точках скважин в виде длины фильтра, параметра регуляризации, количество
итераций и т.д. На Рис. 1 показана схема алгоритма коррекции.
Так как построенная модель будет неизбежно содержать ошибки, то по ней
нельзя точно оценить форму фильтра. Чтобы упростить решение и привести его к
более правдоподобному, вводится стабилизирующий функционал в виде
отклонения рассчитываемого фильтра от априорного. В виде априорного фильтра
может выступать обратный фильтр к извлеченному сигналу или статистическому.
Рис. 1 Схема алгоритма амплитудно-фазовой коррекции

Задача решается с помощью метода сопряженных градиентов, пример
коррекции извлеченного сигнала представлен на Рис. 2.
В диссертации рассмотрены основные параметры, влияющие на результат –
длина сигнала и коэффициент регуляризации, а также количество итераций и
радиус сглаживания фильтров.

Рис. 2. Извлечённый импульс (слева) и результат его коррекции (справа)

Разработанный алгоритм амплитудно-фазовой коррекции сейсмического
сигнала протестирован на модельных данных. Было подготовлено 243 случайные
реализации сейсмической трассы, отличающихся по положению и величине
коэффициентов отражений (T_d и R_d), амплитуде и величине фазового поворота
импульса (A_d и P_d), а также уровню шума (N_d). По каждому из параметров
менялась величина дисперсии от слабой до сильной (Таблица 1).

Таблица 1. Дисперсия параметров для моделирования
Дисперсия
ПараметрСлабаяСредняяСильная
(1)(2)(3)
T_d, мс01020
R_d, %01050
A_d, %030100
P_d, гр.03090
N_d, %01050

После выполнения коррекции рассчитывался средний коэффициент
корреляции между скорректированными трассами и теми же трассами,
получаемые при использовании нульфазового сигнала. На Рис. 3а показан график
процента успешных случаев в зависимости от основных факторов, влияющих на
результат работы алгоритма: дисперсия фазового поворота и дисперсия положения
границ, на Рис. 3б – гистограмма изменения коэффициента корреляции после
применения алгоритма. Успех наблюдается в случае сильного изменения фазы
сигнала и слабой дисперсии положения границ.
Полученный алгоритм был опробован на одном из месторождений
Восточной Сибири. Для динамической инверсии было использовано 9 скважин.
Так как алгоритм нуждается в подборе параметров оптимизации на основе слепого
тестирования, то в начале модель для коррекции была построена лишь по двум
скважинам (№ 3 и № 4). Далее был проведен подбор параметров по скважинам,
незадействованным в построении модели (7 штук). Результаты коррекции были
сопоставлены с исходным кубом. Для оценки качества были использованы два
параметра: ошибка восстановления импеданса при выполнении инверсии и
изменение коэффициента корреляции при привязке с нульфазовым сигналом.
Рис. 3. А) Процент успешных случаев в
зависимости от дисперсии фазового поворота
сигнал (P_d) при разных параметрах дисперсии
положения границ (T_d) (слева) и шума (N_d)
(справа). Параметры моделей в Таблице 1.
Б)Гистограммаизменениясреднего
коэффициента корреляции после применения
коррек

Чтобы оценить возможные изменения в межскважинном пространстве,
необходимо обратить внимание на результаты в контрольных скважинах. На Рис.
4 показано изменение коэффициента корреляции при использовании двух скважин
и с использованием всех скважин при коррекции: в контрольных скважинах
происходит рост значений в среднем на 0.1. При анализе восстановления
импеданса было отмечено уменьшение ошибки в контрольных скважинах на 30%.
В заключении оценим вклад коррекции в полученные карты по целевому
интервалу (Рис.5). Исходная карта хорошо делится на две зоны, которые
соответствуют поведению интрузивного траппа на площади. Применение
коррекции позволяет выровнять распределение импедансов по площади.
Интересно также отметить влияние на связи получаемого импеданса с
петрофизическими параметрами: скорректированные результаты увеличивают
коэффициент корреляции в связях импеданс-пористость (Рис. 6).
Выводы по Главе 2:
1. По модельным данным получено, что применение разработанного алгоритма
амплитудно-фазовой коррекции позволяет минимизировать влияние импульса при
сильном изменении формы сигнала и предсказуемом положении границ.
2. Применение алгоритма коррекции на реальном материале на эталонном
месторождении в Восточной Сибири позволило сократить ошибку инверсионных
преобразований на 30%, увеличить коэффициент корреляции при привязке на 0.1
и увеличить коэффициент корреляции связи импеданс-пористость.

Рис. 4. Изменение коэффициента корреляции при привязке после использования
коррекции при слепом тесте (слева) и при использовании всех скважин (справа)

Рис. 5. Карты импедансов в целевом интервале до коррекции (слева) и после
коррекции с использованием двух скважин
Рис. 6. Кроссплоты импеданс-пористость в целевом интервале до коррекции
(слева) и после коррекции

Глава 3. Развитие способа амплитудной сейсмической инверсии,
основанной на модели
Центральными проблемами в инверсионных преобразованиях остаются
импульс и фоновая модель. Предыдущая глава была посвящена первому вопросу,
поэтому в Главе 3 рассматриваются проблемы построения фоновой модели.
Особенность сейсмического волнового поля заключается в ограниченности
частотного диапазона получаемой записи. Это в свою очередь отражается в
невозможности восстановить информацию об упругих параметрах на тех частотах,
которых отсутствуют в волновом поле [Cerney B.,2007]. Выходом из такой
ситуации является использование сторонней информации в виде скважинных
данных, сейсмических скоростей, атрибутов [Hansen T.M., 2008; Xiaoyu X., 2013].
Также можно встретить попытки построить фоновую модель с помощью
технологий нейронных сетей [Herrera V.M., 2006].
В данной главе рассмотрены различные способы построения фоновой
модели: традиционный (основанный на интерполяции кривых ГИС), с помощью
многомерной регрессии, нейронных сетей и авторский подход. Исследование
выполнено на модельных и реальных данных, полученных для разреза
подсолевогоструктурно-тектоническогокомплексаНепско-Ботуобинской
антеклизы.
Построение модели с помощью нейронных сетей было реализовано автором
в программном комплексе IP_Seismic, разработанным Приезжевым И.И. Принцип
основан на выполнении инверсионного преобразования и фильтрации результата
в низкочастотном диапазоне. Уникальность данного метода заключается в
нестандартной оптимизации, которая сочетает в себе элементы генетического и
градиентного методов [Kobrunov A., 2016; Priezzhev I., 2009].
Дляпопыткиуточнитьфоновуюмодельбылопробованспособ,
разработанный автором. Суть метода заключается в том, что выполняется поиск
пластовой модели импедансов, которая соответствовала бы волновому полю. По
своей идее такой метод ничем не отличается от инверсии, отличие заключается
лишь в оптимизации: решение вычисляется по аналогии с интегралом Фейнмана
через сумму разных моделей среды, умноженных на их вероятности [Фейнман Р.,
1968]. На Рис. 7. представлена схема работы алгоритма. Важно отметить, что
сгенерированные кривые создавались на основе двух параметров: толщина пласта
и его импеданс. Однако, если суммировать такие пластовые кривые, как это
показано на рисунке, то результат будет сглаживаться. Поэтому, предлагается
суммировать не сами кривые для получения результата, а их параметры:

̃ ∗ ̃
= ∑ (4)
=1

̃ ∗ ̃
= ∑ (5)
=1

̃ =(6)
∑
=1

где – толщина i-ого пласта в результате работы алгоритма, м,
– импеданс i-ого пласта в результате работы алгоритма, м/с*г/см3,
̃ – толщина i-ого пласта для j-ой исходной модели (базиса), м,

̃ – импеданс i-ого пласта для j-ой исходной модели (базиса), м/с*г/см3,

– вероятность j-ой исходной модели, полученная по заданному
распределению ошибки, ед.
N – количество исходных моделей.
Последнее выражение (6) представляет из себя нормировку значений
вероятности по Байесу, так как вероятность ( ̃ ) – это вероятность ошибки
между синтетикой и сейсмикой при конкретной модели, то есть это условная
вероятность.

Рис. 7. Схема работы авторского алгоритма построения фоновой модели

Алгоритмы протестированы на модельных данных, которые представляли
собой сейсмический 3D куб объемом 50 кв. км, построенный на основе 5 скважин.
За основу был взят разрез подсолевого структурно-тектонического комплекса
Восточной Сибири. Основной интерес здесь представляет терригенная часть
нижнемотской подсерии, которая часто является целевым пластом при разработке.
Четыре из пяти скважин, расположенные в углах модельного куба, не отличались
по данным каротажа, а в пятой центральной скважине происходит изменение
импеданса на 6% внутри терригенной части. При этом рассматриваются два
случая: с сокращением мощности пласта (с 20м до 10м в центре) и с неизменной
мощностью пласта. На Рис. 8 показаны кривые в разных частотных диапазонах для
случая переменной толщины.
Тестирование проводилось на основе сравнения результатов инверсий,
получаемых по разным фоновым моделям. Были использованы все 4 подхода к
построению модели:традиционный, на основе многомернойрегрессии,
нейронных сетей и авторский способ. Ошибка около центральной скважины при
использовании традиционного подхода составила около 3%. Каждый из трех
оставшихся подходов позволил уменьшить ошибку по сравнению с традиционным
вблизи центральной скважины на 1%,1% и 2% соответственно. В случае
постоянной мощности ошибка при использовании традиционного подхода стала
меньше (около 2% в центре площади), по краям карты значения остались такими
же. Многомерная регрессия в этом случае не смогла уменьшить ошибку в центре
площади. При использовании нейронных сетей и авторского способа было
достигнуто уменьшение ошибки на 1%.
Описанные методы были опробованы на тех же реальных данных, что и
амплитудно-фазовая коррекция сигнала (Глава 2). Всего на площади присутствует
9 скважин, из которых 3 (№ 1,4,9) подавалось на вход того или иного способа, 6
скважин выступали в качестве контрольных. В результате расчета количественных
оценок результатов, стало очевидно, все методы дают схожий результат. Поэтому
для улучшения результата было использовано комбинирование результатов на
основе многомерной регрессии всех фоновых моделей и сейсмического куба.
Настройка регрессии проводилась только на контрольных скважинах.
Количественные оценки в интервале от осинского горизонта до фундамента
показали, что комплексный подход уменьшает ошибку в контрольных скважинах
в среднем на 10%.
Следует отметить, что это были оценки, выполненные в полном частотном
диапазоне. Сравним изменение после фильтрации кубов фоновых моделей. Если
смотреть по контрольным скважинам (Таблица 1), то увеличение точности
происходит не повсеместно. Однако, в среднем наблюдается уменьшение ошибки
на 15%.
Рис. 8. Влияние внутрипластовых
изменений на фоновую модель при
переменной толщине пласта. Красным
цветом показаны кривые в центральной
скважине, синим – во всех остальных.
Низкочастотныекривыеимпеданса
(слева),кривыеимпедансав
сейсмическом диапазоне частот (справа)

Ситуацияскроссплотомимпеданс-пористостьпослеизменения
низкочастотной модели также претерпела изменения (Рис. 9). Изменения
несильные, но стоит отметить их позитивный характер.

Таблица 1. Изменение ошибки прогноза фоновой модели по сравнению с
традиционным подходом
№ скв.235678
Изменение
-60%-20%+15%-18%+10%-16%
ошибки, %

Выводы по Главе 3:

1. На модельных данных в отсутствии шума все перечисленные методы
позволяют уточнить работу инверсии.
2. На реальных данных существующие методы построения фоновой модели
дают похожие результаты. Для увеличения точности построения низкочастотной
модели необходим комплексный подход, который включает в себя и
традиционный метод построения, позволяющий достичь уменьшения ошибки в
низкочастотном диапазоне на 10-15% и увеличения коэффициента корреляции
(0.02-0.05) связи импеданса с петрофизическим параметром.
Рис. 9. Кроссплоты импеданс-пористость при использовании низкочастотной
модели, полученной традиционным способом (слева) и комбинированным
подходом (справа). Отмеченная скважина находится на краю куба. Красным
цветом показаны коэффициенты корреляций при ее исключении

Глава 4. Повышение эффективности упругой инверсии
Упругая или синхронная инверсия подразумевает под собой переход от
сейсмограмм к двум или реже трем кубам упругих параметров среды [Hampson
D.P. 2005; Russell B.H. 2014]. Чаще всего это продольный импеданс и соотношение
скоростей продольной и поперечных волн или же продольный импеданс с
поперечным импедансом. Третий параметр – это плотность, для прогнозирования
которой требуются определенные условия к сейсмической съемке и последующей
обработке [Tarantola A. 1995].
В Главе 4 внимание сфокусировано на двух аспектах, с помощью которых
можно повысить эффективность упругой инверсии. Первый нацелен на то, чтобы
математический аппарат инверсии был связан с целевой функцией от продольного
импеданса и соотношения Vp/Vs, а не продольного и поперечного импедансов, так
как именно первые два параметра как правило используются при количественной
интерпретации. Такой подход позволит повысить скорость сходимости в
обозначенной параметризации. Второй заключается в том, чтобы вообще
отказаться от угловых сейсмограмм, так как сам пересчет в них может быть
неточным в случае контрастных сред, а сам расчет угловых сейсмограмм занимает
дополнительное время.
Поведение амплитуд в зависимости от угла для плоских волн описываются
уравнениями Цеппритца и его линеаризациями. Наиболее удобной линеаризацией
для упругой инверсии считается аппроксимация Фатти:
( ) = ∆ ln( ) ∗ ( ) + ∆ ln( ) ∗ ( ) + ∆ ln( ) ∗ ( )(7)

где – коэффициент отражения, ед.
α – угол отражения, гр.
A, B, C – коэффициенты, зависящие от угла отражения, ед.
– продольный импеданс, м/с*г/см3,
– поперечный импеданс, м/с*г/см3,
ρ – плотность, г/см3.
В работе использован вариант модифицированного уравнения Фатти:

̃ + ∆ ( ) ∗ ( )
( ) = ∆ ln( ) ∗ ( )̃(8)

Где:
̃ = ( ) + ( ) + ∗ ( )
( )(9)
̃ = − ( )
( )(10)
При:

∆ ln( ) ≈ ∗ ∆ ln( )(11)

Такой вариант позволяет находить сразу два основных параметра,
используемых для прогноза. Кроме этого, здесь появляется возможность задавать
фоновую модель под соотношение Vp/Vs, оставаясь в рамках линейных методов
оптимизации. Полученное выражение будет использоваться при инверсионных
преобразованиях.
Перевод сейсмограмм в угловые чаще всего происходит на основе
сейсмических скоростей, получаемых после обработки. При таком пересчете
возникаетнесколькопроблем.Во-первых,значенияполучаемыхуглов
распределены неравномерно: они не эквидистанты для разных времен. Во-вторых,
сейсмические скорости слишком гладкие, что приводит к неправильному расчету
углов при сильных перепадах скоростей. В работе рассмотрен вариант, при
котором используются RMS (root mean square) скорости, полученные при
обработке, и интервальные скорости, которые задает пользователь. При этом
важно добавить еще одну деталь: автором предлагается использовать обычные
сейсмограммы вместо угловых. Такое можно реализовать, если перевести углы,
используемые в уравнениях AVO в удаления.
В формуле Фатти присутствуют две функции, которые зависят от угла: синус
и тангенс. Если их разложить в ряд по удалениям, то можно получить формулу для
перевода.
Удаление как функция от угла выражается следующим образом:

= 2 ∗ ∑ tan( ) ∗ (12)
=1

где x – удаление источник-приемник, м,
– толщина i-ого пласта, м,
– угол отражения i-ого пласта, гр.
N – количество пластов.
При линеаризации угловых коэффициентов по удалениям получаем
обновленную версию уравнения Фатти:

̃ + ∆ ( ) ∗ ( )
( ) = ∆ ln( ) ∗ ( )̃(13)

При:
̃ = 1+1∗( 2
( )∗) ∗ (1 − + ( ) ∗ (4 − 8))(14)
2 2 ∗
̃1 2
( ) = ∗ (∗) ∗ (8 ∗ ( ) )(15)
2 ∗

где – среднеквадратичная скорость, м/с,
t – двойное время пробега, с,
– скорость распространения в i-ом пласте, м/с.

Это и будет служить основой для инверсионного преобразования.
Дополнительно ко всему на практике добавляют ограничение в виде эмпирической
связи двух импедансов: продольного и поперечного. В конкретном случае можно
использовать связь импеданс – соотношение Vp/Vs:

∆ ln( ) − ∗ ∆ ln ( ) = 0(16)

На основе (13-16) можно описать проблему в виде системы уравнений.
Предложенные способы повышения эффективности упругой инверсии были
исследованы на модельных и реальных данных. По модельным данным получено,
что предложенный алгоритм позволяет добиться более высокой точности (до 10%)
восстановления соотношения Vp/Vs в средах с сильными перепадами скоростей.
В качестве реального примера работы авторского способа были рассмотрены
данные с одного из крупныхместорождений ВосточнойСибири. На
месторождении присутствует значительное количество скважин (больше 600),
имеется геологическая модель. Для инверсионных преобразований было
задействовано 29 скважин и финальные сейсмограммы ОСТ (общей средней
точки) для куба объемом 1000 кв. км. На Рис. 10 представлены карты соотношения
Vp/Vs в целевом терригенном интервале, полученные традиционным способом и
на основе авторского алгоритма. Карты локально похожи между собой,
повторяются одни и те же детали, но присутствуют и глобальные отличия. К
примеру, по новому методу южная часть обладает наиболее низкими значениями
на фоне остальной площади. Такого тренда при стандартном варианте не
наблюдается.
На эталонном месторождении есть уверенное представление о характере
распределения седиментационных тел. И так как в терригенных отложениях Vp/Vs
является прямым индикатором глинистости, то ее можно сопоставить с
распределением песчанистости или глинистости на площади. На Рис. 11 показано
распределение толщины песчаника по скважинным данным на месторождении.
КартаVp/Vs,получаемаяавторскимспособомповторяетзональность,
наблюдаемую по скважинам, в то время как на карте обычной инверсии ее нет.
Вывод по Главе 4: на реальных данных удалось добиться повышения
точности восстановления Vp/Vs по сравнению с обычным методом. Характер
полученной карты подтверждает геологическую модель данного месторождения.

Рис. 10. Карты соотношения Vp/Vs в целевом пласте в разных цветовых
диапазонах по стандартному способу (вверху) и по авторскому алгоритму (внизу)

Рис. 11. Карта толщин песчаника целевого пласта по скважинным данным
ЗАКЛЮЧЕНИЕ
Основные выводы диссертационного исследования:
1. Выполнен литературный обзор наиболее значимых проблем инверсионных
преобразований, позволивший сформулировать задачи диссертационной
работы;
2. Разработаналгоритмамплитудно-фазовойкоррекциисейсмического
импульса,позволяющийувеличитьпрогностическуюспособность
инверсии;
3. Выявлены границы применимости алгоритма коррекции сейсмического
импульса на основе модельных данных;
4. Модифицирован алгоритм синхронной инверсии, позволяющий более точно
восстанавливать упругие свойства;
5. Исследованы разные подходы, включая авторский, к построению фоновой
модели на примере модельных и реальных данных;
6. Выполнен прогноз коллекторских свойств терригенных пород венд-
кембрийского возраста.

Публикации в ведущих изданиях согласно перечню ВАК
1.Гаркин, А.С. Амплитудно-фазовая коррекция сейсмического импульса,
основанная на модели [Текст] / А.С. Гаркин // Геофизика. – 2019. – №4. – С. 30-36.
2.Гаркин, А.С. Алгоритм построения одномерного синтетического волнового
поля в частотной области [Текст] / А.С. Гаркин // Геофизика. – 2019. – №6. – С. – 48-
54.
3.Гаркин, А.С. Влияние неупругости среды на AVO анализ в сейсморазведке
[Текст] / А.С. Гаркин // Труды Российского государственного университета нефти
и газа им. И. М. Губкина. – 2019. – №3(296). – С. 5-17.
4.Гаркин, А.С. Амплитудная синхронная сейсмическая инверсия по
сейсмограммам в удалениях [Текст] / А.С. Гаркин // Геофизика. – 2020. – №6. – С.
69-73.