Automated Trace Editing and Refraction Event Picking Using Neural Networks

Édition automatique de traces et pointe des événements de réfraction à l'aide de réseaux neuronaux

ARCO Exploration and Production Technology

Abstract

Programs have been developed that use a backpropagation neural network to automatically edit noisy seismic traces and pick first break refraction events. This paper shows that neural network-based trace editing and first break picking can achieve 85 to 98 percent agreement with manual methods for seismic data of moderate to good quality. Productivity improvements over current manual editing and picking techniques for 2D seismic data should range between 60 and 90 percent. For 3D seismic data sets efficiency increases of up to 800 percent have been demonstrated in a production processing environment.

Résumé

Nous avons développé des programmes utilisant les réseaux neuronaux et la rétropropagation pour l'édition automatique de traces bruitées et le pointé des premières arrivées. Cet article montre que les réseaux neuronaux peuvent donner des résultats en accord à 85-98% avec les méthodes manuelles d'édition de traces et de pointé des premières arrivées sur des données sismiques de qualité moyenne ou bonne. Les gains de productivité par rapport aux techniques manuelles actuelles d'édition et de pointé sur des données sismiques 2-D se situeraient de 60 à 90 %. Pour des jeux de données sismiques 3D, des gains de productivité allant jusqu'à 800 % ont été obtenus en production.