Um Arcabouço de Alto Desempenho para Análise de Fácies Sísmicas

Julio Cesar Faracco, O. Napoli, Edson Borin
{"title":"Um Arcabouço de Alto Desempenho para Análise de Fácies Sísmicas","authors":"Julio Cesar Faracco, O. Napoli, Edson Borin","doi":"10.5753/eradsp.2022.222235","DOIUrl":null,"url":null,"abstract":"A análise de fácies sísmicas é um importante estudo geológico para obtenção de informações estruturais relevantes de dados sísmicos. Esses dados são geralmente obtidos através de mapeamento de uma região utilizando vários métodos de captura e podem ser relativamente grandes se a área analisada for da ordem de quilômetros. Além disso, com o uso cada vez maior de técnicas de aprendizagem de máquina ou aprendizado profundo nesse tipo de análise, o manuseio de dados grandes pode exigir uma quantidade maior de recursos computacionais. No contexto de análise de fácies símicas, são poucas as ferramentas e bibliotecas que se dedicam a abordar amplamente essa área de HPC. Com isso, a necessidade de ferramentas que deem suporte as mais variadas infra-estruturas de processamento são cada vez mais necessárias. Sendo assim, o objetivo deste trabalho é apresentar um arcabouço padronizado que possa ser facilmente utilizado para análise de fácies sísmicas, oferecendo o máximo possível de técnicas de aceleração em conjunto. Por fim, apresentaremos alguns resultados obtidos através do uso desse ferramental desenvolvido e como ele pode beneficiar geólogos ou geofísicos.","PeriodicalId":251067,"journal":{"name":"Anais da XIII Escola Regional de Alto Desempenho de São Paulo (ERAD-SP 2022)","volume":"48 1","pages":"0"},"PeriodicalIF":0.0000,"publicationDate":"2022-04-07","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"Anais da XIII Escola Regional de Alto Desempenho de São Paulo (ERAD-SP 2022)","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.5753/eradsp.2022.222235","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 0

Abstract

A análise de fácies sísmicas é um importante estudo geológico para obtenção de informações estruturais relevantes de dados sísmicos. Esses dados são geralmente obtidos através de mapeamento de uma região utilizando vários métodos de captura e podem ser relativamente grandes se a área analisada for da ordem de quilômetros. Além disso, com o uso cada vez maior de técnicas de aprendizagem de máquina ou aprendizado profundo nesse tipo de análise, o manuseio de dados grandes pode exigir uma quantidade maior de recursos computacionais. No contexto de análise de fácies símicas, são poucas as ferramentas e bibliotecas que se dedicam a abordar amplamente essa área de HPC. Com isso, a necessidade de ferramentas que deem suporte as mais variadas infra-estruturas de processamento são cada vez mais necessárias. Sendo assim, o objetivo deste trabalho é apresentar um arcabouço padronizado que possa ser facilmente utilizado para análise de fácies sísmicas, oferecendo o máximo possível de técnicas de aceleração em conjunto. Por fim, apresentaremos alguns resultados obtidos através do uso desse ferramental desenvolvido e como ele pode beneficiar geólogos ou geofísicos.
一种高性能的地震相分析框架
地震相分析是从地震资料中获取相关构造信息的重要地质研究。这些数据通常是通过使用各种捕获方法绘制一个区域来获得的,如果分析的区域是公里量级,则数据可能相对较大。此外,随着机器学习或深度学习技术在这类分析中的使用越来越多,处理大数据可能需要更多的计算资源。在类人猿相分析的背景下,很少有工具和库致力于广泛解决这一领域的高性能计算。因此,对支持各种处理基础设施的工具的需求变得越来越必要。因此,这项工作的目的是提出一个标准化的框架,可以方便地用于地震相分析,同时提供尽可能多的加速度技术。最后,我们将介绍一些通过使用开发的工具获得的结果,以及它如何使地质学家或地球物理学家受益。
本文章由计算机程序翻译,如有差异,请以英文原文为准。
求助全文
约1分钟内获得全文 求助全文
来源期刊
自引率
0.00%
发文量
0
×
引用
GB/T 7714-2015
复制
MLA
复制
APA
复制
导出至
BibTeX EndNote RefMan NoteFirst NoteExpress
×
提示
您的信息不完整,为了账户安全,请先补充。
现在去补充
×
提示
您因"违规操作"
具体请查看互助需知
我知道了
×
提示
确定
请完成安全验证×
copy
已复制链接
快去分享给好友吧!
我知道了
右上角分享
点击右上角分享
0
联系我们:info@booksci.cn Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。 Copyright © 2023 布克学术 All rights reserved.
京ICP备2023020795号-1
ghs 京公网安备 11010802042870号
Book学术文献互助
Book学术文献互助群
群 号:481959085
Book学术官方微信