استفاده از ماشین بردار پشتیبان و یادگیری عمیق در دسته بندی رخساره ها براساس نشانگرهای وارون سازی پیش از برانبارش

برای دسته‌بندی رخساره‌ها در مقطع لرزه‌ای روش‌های مختلفی مورد استفاده قرار می‌گیرد. یکی از معمول‌ترین آن‌ها استفاده از نشانگرهای وارون‌سازی پیش از برانبارش است. با استفاده از داده‌های وارون‌سازی و رخساره‌های اطراف چاه مدل ماشین‌بردار پشتیبان آموزش داده شد و پس از آن با استفاده از یک چاه فرآیند اعتبارسنجی انجام گرفت. در مرحله بعد روش شبکه‌های عصبی هم‌آمیختی مورد استفاده قرار گرفت که با به کارگیری فرآیند هم‌آمیخت دوبعدی بر روی مقطع لرزه‌ای نقشه‌های ویژگی محاسبه گردید و از طریق شبکه‌های عصبی فرآیند رگرسیون صورت گرفت. خروجی رگرسیون همان نشانگرهای استفاده‌ شده در روش دسته‌بندی ماشین‌بردار پشتیبان است. سپس با ترکیب شبکه عصبی هم‌آمیختی با یک مدل ماشین‌بردار پشتیبان از پیش آموزش داده شده یک مدل ترکیبی جدید برای دسته‌بندی رخساره‌ها ساخته شد. دقت فرآیند اعتبارسنجی در هر دو مدل 93 درصد برآورد گردید.