RU2440604C2 - Визуализация данных отклика геологической среды с использованием потоковых процессоров - Google Patents
Визуализация данных отклика геологической среды с использованием потоковых процессоров Download PDFInfo
- Publication number
- RU2440604C2 RU2440604C2 RU2008119507/08A RU2008119507A RU2440604C2 RU 2440604 C2 RU2440604 C2 RU 2440604C2 RU 2008119507/08 A RU2008119507/08 A RU 2008119507/08A RU 2008119507 A RU2008119507 A RU 2008119507A RU 2440604 C2 RU2440604 C2 RU 2440604C2
- Authority
- RU
- Russia
- Prior art keywords
- data
- processor
- processing
- stream
- geological environment
- Prior art date
Links
- 230000004044 response Effects 0.000 title claims abstract description 20
- 238000012545 processing Methods 0.000 claims abstract description 39
- 238000000034 method Methods 0.000 claims abstract description 30
- 238000001914 filtration Methods 0.000 claims abstract description 14
- 238000012937 correction Methods 0.000 claims abstract description 11
- 230000008569 process Effects 0.000 claims abstract description 11
- 238000004364 calculation method Methods 0.000 claims description 13
- 238000013508 migration Methods 0.000 claims description 13
- 230000005012 migration Effects 0.000 claims description 13
- 238000003491 array Methods 0.000 claims description 6
- 238000006243 chemical reaction Methods 0.000 claims description 5
- 238000007619 statistical method Methods 0.000 claims description 4
- 238000004458 analytical method Methods 0.000 claims description 3
- 230000001629 suppression Effects 0.000 claims description 3
- 238000012805 post-processing Methods 0.000 claims 1
- 238000007781 pre-processing Methods 0.000 claims 1
- 239000000126 substance Substances 0.000 abstract 1
- 230000010354 integration Effects 0.000 description 2
- 238000012800 visualization Methods 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000013144 data compression Methods 0.000 description 1
- 238000013079 data visualisation Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000004859 neutralization-reionization mass spectrometry Methods 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000010363 phase shift Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000004451 qualitative analysis Methods 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
- 230000002195 synergetic effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 238000007794 visualization technique Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
- G06F9/5005—Allocation of resources, e.g. of the central processing unit [CPU] to service a request
- G06F9/5027—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V1/00—Seismology; Seismic or acoustic prospecting or detecting
- G01V1/28—Processing seismic data, e.g. for interpretation or for event detection
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V2210/00—Details of seismic processing or analysis
- G01V2210/50—Corrections or adjustments related to wave propagation
- G01V2210/51—Migration
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V2210/00—Details of seismic processing or analysis
- G01V2210/50—Corrections or adjustments related to wave propagation
- G01V2210/56—De-ghosting; Reverberation compensation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2209/00—Indexing scheme relating to G06F9/00
- G06F2209/50—Indexing scheme relating to G06F9/50
- G06F2209/509—Offload
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Remote Sensing (AREA)
- Life Sciences & Earth Sciences (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Geology (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Geophysics (AREA)
- Environmental & Geological Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Acoustics & Sound (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
Изобретение относится к способу преобразования данных отклика геологической среды в исходные графические данные. Технический результат заключается в повышении скорости обработки данных отклика геологической среды с их коррекцией и фильтрацией с использованием потокового процессора. Данные отклика геологической среды предварительно обрабатываются ЦПУ, и предварительно обработанные данные отклика геологической среды загружаются в один или несколько потоковых процессоров. Затем потоковый процессор выполняет требующую интенсивных вычислений обработку предварительно обработанных данных отклика геологической среды и возвращает результаты обработки обратно в ЦПУ, который выполняет некоторую последующую обработку результатов, поступивших из потокового процессора. 2 н. и 7 з.п. ф-лы, 4 ил.
Description
Область техники
Настоящее изобретение относится к области визуализации геологических данных. В частности, оно относится к применению вычислительных устройств на основе потокового процессора для преобразования геологических данных, полученных посредством сейсморазведки, в изображения.
Уровень техники
Визуализация геологических данных
Геологические данные собирают с помощью таких методов сейсморазведки, как метод отраженных волн, ультразвуковой метод, ядерно-магнитный метод и т.п., и подвергают обработке для построения изображения подземных структур. Компьютерная обработка этих данных очень сложна и включает в себя последовательность методов фильтрации (деконволюцию, анализ сейсмических импульсов, статистические методы), миграции (до суммирования и после суммирования с миграцией Кирхгофа, методы волновых уравнений и т.д.) и метода визуализации (см. фиг.1). Эти массивы данных имеют большой объем и требуют сложной обработки, а методы, позволяющие получить более качественные изображения с малым количеством артефактов, обычно наиболее требовательны к времени и памяти компьютера. Такие приложения часто реализуются с помощью параллельного компьютера или сети компьютеров.
Если не принимать во внимание операции ввода и вывода данных, преобразования в конкретные форматы данных и другие задачи типа предварительной и последующей обработки, то можно выделить группу команд, которые выполняют основные вычисления, - назовем эту группу команд базовыми вычислениями. Они обычно включают в себя преобразования Фурье, свертки или некоторые другие типы фильтрации, или же в них могут применяться численное интегрирование или дифференциальный оператор. Если такое применение не имеет ограничений со стороны операций ввода/вывода данных, то повышение скорости базовых вычислений может положительно повлиять на общее использование времени.
Потоковый процессор
Так называемый потоковый процессор применяет определенный набор команд к каждому элементу своего входного потока (входных данных), создавая выходной поток. Этот определенный набор команд, назовем его "ядром", остается неизменным для элементов потока, т.е. ядро можно изменять только на уровне потока. Потоковый процессор также позволяет использовать несколько ядер. Данные ядра используются локально и независимо от обработки других элементов в потоке, и это позволяет потоковому процессору исполнять свое ядро значительно быстрее по сравнению с исполнением аналогичного набора команд центральным процессорным устройством (ЦПУ). Простым примером потокового процессора является (программируемое) графическое процессорное устройство (ГПУ). Другим примером является ячеечный процессор, который можно рассматривать как тесную интеграцию нескольких потоковых процессоров (называемых "синергетическими процессорными элементами" в контексте ячеечного процессора). Аппаратные средства потоковой обработки хорошо подходят для исполнения вышеупомянутого ядра обработки геологических данных.
Сущность изобретения
Предложены способ и соответствующая система для преобразования данных отклика геологической среды в исходные графические данные, которое осуществляется в несколько этапов.
Данные отклика геологической среды предварительно обрабатываются по меньшей мере одним ЦПУ, и полученные предварительно обработанные данные отклика геологической среды загружаются по меньшей мере в один потоковый процессор. Затем данные геологического отклика обрабатываются по меньшей мере в одном потоковом процессоре и результаты обработки поступают из упомянутого по меньшей мере одного потокового процессора по меньшей мере в одно ЦПУ. Затем по меньшей мере одно ЦПУ выполняет последующую обработку результатов. По меньшей мере один потоковый процессор выполняет на упомянутых данных отклика геологической среды по меньшей мере одну операцию из деконволюции, коррекции и фильтрации, включающих в себя шумовую фильтрацию, подавление кратных волн, коррекцию нормальных приращений (NMO), коррекцию на сферическое расхождение, сортировку, преобразование временного разреза в глубинный, включающее в себя анализ скоростей, обработку изображения после суммирования, обработку изображения до суммирования и миграцию. Сортировку данных без децимации можно связать с преобразованием временного разреза в глубинный. Предложенные способ и система позволяют осуществлять ручную проверку результатов вычислений после каждого этапа и новую итерацию с меньшей задержкой на критических задачах. Шумовая фильтрация может быть основана на локальных статистических методах и сверхбыстрых вычислениях, и потоковый процессор(ы) можно использовать для сравнения n (n>1) геологических изображений, полученных из n групп исходных геологических данных, полученных в разные моменты времени ti (2≤i≤n). Упомянутый по меньшей мере один потоковый процессор является одним из по меньшей мере одного программируемого графического процессорного устройства (ГПУ), группы узлов с ЦПУ, имеющими по меньшей мере одно ядро и по меньшей мере одно ГПУ, ячеечного процессора, процессора, построенного на основе ячеечного процессора, группы узлов ячеечных процессоров, массивно-параллельного компьютера с потоковыми процессорами, соединенными с по меньшей мере одним из его ЦПУ, игрового компьютера и группы игровых компьютеров.
Изобретение подробно охарактеризовано в прилагаемой формуле изобретения.
Краткое описание чертежей
Далее изобретение будет описано со ссылками на прилагаемые чертежи, на которых
на фиг.1 изображен оптимизированный рабочий поток,
на фиг.2 изображены операции потокового процессора, выполняемые на первом этапе,
на фиг.3 изображен схематически пример двух возможных потоков обработки: традиционных вычислений после суммирования и предложенного рабочего потока до суммирования;
на фиг.4 изображены операции потокового процессора на двух массивах данных (четырехмерная обработка).
Подробное описание предпочтительных вариантов
В дальнейшем будут описаны предпочтительные варианты осуществления изобретения со ссылками на прилагаемые чертежи.
В основу изобретения положена идея использования одного или более потоковых процессоров (также именуемых как "параллельные вычислительные узлы" 205, 302 405 на чертежах) в совокупности с одним или более ЦПУ, и такой организации применения, при которой ЦПУ обрабатывают входные данные и осуществляют всю подготовку входных потоков для ядер, а также всю последующую обработку выходного потока ядер и вывод в файлы или подобные задачи. Потоковые процессоры активизируются ЦПУ и выполняют базовые вычисления. Примерные архитектуры вычислительных устройств, которые можно использовать для реализации такого применения, включают в себя:
однопроцессорный персональный компьютер с программируемым ГПУ;
многоядерный (многопроцессорный) персональный компьютер с множеством ГПУ;
кластер/сеть узлов с одно- или многопроцессорным ЦПУ и одним или несколькими ГПУ;
персональный компьютер с ячеечным процессором (или процессором на его основе) или кластер узлов ячеечных процессоров;
массивно-параллельный компьютер с потоковыми процессорами, присоединенными к одному или всем его ЦПУ;
игровой компьютер (типа PlayStation компании Sony, GameCube компании Nintendo и т.п.) или кластер игровых компьютеров.
При использовании ЦПУ и потоковых процессоров программные приложения для обработки данных отклика геологической среды можно реализовать таким образом, чтобы потоковые процессоры в качестве сопроцессоров выполняли базовые вычисления. Это позволяет обеспечить более высокую скорость вычислений внутри потоковой парадигмы в таких приложениях с очень высокими требованиями.
На фиг.1 показана простая схема оптимизированного автоматизированного рабочего потока, обрабатываемого потоковым процессором, показанным двойными стрелками. Исходные сейсмические данные 103 (обычно огромного объема - от 500 Мбайт до нескольких Гбайт) используются в качества ввода геологического изображения. Потоковые процессоры могут обрабатывать огромные объемы данных, поэтому не возникает потребность в сжатии данных.
Этап 105 "Шумовая фильтрация и коррекция" соответствует большому количеству математических вычислений, обычно дорогостоящих и не имеющих возможности итерации. При использовании потокового процессора пользователь может контролировать, изменять и снова выполнять итерацию этих операций.
Этап 106 "Сортировка данных" является необходимым этапом; он может быть непосредственно связан с этапом преобразования временного разреза в глубинный (из миллисекунд, времени получения данных, в метры, геологическую единицу) благодаря расширенным вычислительным возможностям потокового процессора.
При этом существует два варианта обработки сейсмического изображения: либо с помощью традиционного процесса 101 визуализации после суммирования, при котором суммирование позволяет осуществить сжатие этого объема данных, либо непосредственно с помощью процесса 102 до суммирования. Считается, что вторая альтернатива обеспечивает гораздо более высокую точность для данных низкого качества (с плохим отношением сигнал-шум, в условиях плохого освещения, сложной геологии), но она требует обработки гораздо большего объема данных (без суммирования данных), и поэтому не всегда возможна при использовании известных методов.
После миграции и преобразования временного разреза в глубинный будет получено изображение геологических данных. Кроме того, появилась возможность осуществления нового этапа. Этим этапом является сравнение полученного изображения с изображением, полученным из того же места, но в другое время 104 (обработка периодических наблюдений). Потоковый процессор действительно позволяет обрабатывать множество массивов данных, вычислений, осуществлять сравнения и распознавание признаков в процессе 107.
На фиг.2 показаны операции 202, выполняемые потоковым процессором 205 на данных 201 на первом этапе предлагаемой автоматической обработки: улучшенный ввод/вывод, улучшенное хранение (за счет уменьшения потребности в децимации куба данных), быстрое преобразование Фурье, быстрые коррекции и фильтрация. Шумовая фильтрация может быть основана как на глобальных, так и локальных статистических методах, а сверхбыстрые вычисления позволяют уделить больше внимания каждой геологической структуре.
Пользователь проверяет результат после каждого этапа 203 и может снова повторить эти операции с меньшей задержкой на критических задачах. Благодаря преимуществам использования потоковых процессоров для быстрой сортировки данных 204 (обычно в сейсмограммах общей глубинной точки) этот этап больше не замедляет скорость рабочего потока.
На фиг.3 изображены операции потокового процессора 302, позволяющие построить соответствующее изображение геологических данных (подавление кратных волн, преобразование временного разреза в глубинный и миграция). В альтернативе 301 миграции после суммирования можно выполнить миграцию методом фазового сдвига, FK-миграцию, FD-миграцию (по конечной разности) как по временному, так и по глубинному разрезу, и по алгоритму Кирхгофа (время-глубина), в то время как альтернатива 303 до суммирования (данные до суммирования содержат гораздо больше ценной информации, но их объем слишком велик для обработки действительными процессорами) включает в себя компенсацию по Кирхгофу, глубинную миграцию (PSTM), метод статистических испытаний волнового поля и временную миграцию (правая сторона фиг.3). Перечисленные методы миграции хорошо известны, но они очень часто являются дорогостоящими.
Предложенный контролируемый пользователем процесс позволяет использовать обе эти альтернативы. Кроме того, можно выполнять немедленные качественные вычисления.
Фиг.4 относится к стратегическим решениям, касающимся мониторинга пластов-коллекторов, и иллюстрирует операции потокового процессора 405, выполняемые на двух массивах данных 401, 402, которые позволяют осуществлять так называемую "четырехмерную обработку" 403. Потоковый процессор позволяет проводить полное сравнение множества трехмерных массивов данных, обращая внимание на любые изменения во времени (миграцию флюидов, изменения давления), а также любой качественный анализ, необходимый для лучшего понимания изображения геологической среды (отношение амплитуда-сдвиг, отношение сигнал-шум, полное сопротивление, NRMS). Этот процесс также позволяет автоматически вычитать неповторяющийся шум и осуществлять распознавание признаков. И в этом случае контролируемый пользователем процесс также позволяет осуществлять итерации для контроля качества 404.
Несмотря на то, что были описаны предпочтительные варианты осуществления изобретения, специалистам будет понятно, что можно использовать и другие варианты, реализующие эти идеи. Эти и другие варианты осуществления изобретения, проиллюстрированные выше, представлены только для примера, а действительный объем изобретения охарактеризован в прилагаемой формуле изобретения.
Claims (9)
1. Способ преобразования данных (103) отклика геологической среды в исходные графические данные, заключающийся в том, что
предварительно обрабатывают данные отклика геологической среды, по меньшей мере, одним центральным процессорным устройством (ЦПУ),
загружают предварительно обработанные данные отклика геологической среды, по меньшей мере, в один потоковый процессор (205, 302, 405),
обрабатывают предварительно обработанные данные отклика геологической среды в упомянутом, по меньшей мере, одном потоковом процессоре,
отличающийся тем, что получают результаты обработки в упомянутом, по меньшей мере, одном ЦПУ из упомянутого, по меньшей мере, одного потокового процессора, полученные с использованием, по меньшей мере, одной операции из деконволюции, коррекции и фильтрации, с последующей обработкой изображения для сравнения полученного изображения с тем же изображением, полученным в другое время, и осуществляют последующую обработку упомянутых результатов обработки упомянутым по меньшей мере одним ЦПУ.
предварительно обрабатывают данные отклика геологической среды, по меньшей мере, одним центральным процессорным устройством (ЦПУ),
загружают предварительно обработанные данные отклика геологической среды, по меньшей мере, в один потоковый процессор (205, 302, 405),
обрабатывают предварительно обработанные данные отклика геологической среды в упомянутом, по меньшей мере, одном потоковом процессоре,
отличающийся тем, что получают результаты обработки в упомянутом, по меньшей мере, одном ЦПУ из упомянутого, по меньшей мере, одного потокового процессора, полученные с использованием, по меньшей мере, одной операции из деконволюции, коррекции и фильтрации, с последующей обработкой изображения для сравнения полученного изображения с тем же изображением, полученным в другое время, и осуществляют последующую обработку упомянутых результатов обработки упомянутым по меньшей мере одним ЦПУ.
2. Способ по п.1, отличающийся тем, что используют упомянутый по меньшей мере один потоковый процессор для выполнения на упомянутых данных отклика геологической среды, по меньшей мере, одной операции из деконволюции,
коррекций и фильтрации, включающих в себя шумовую фильтрацию, подавление кратных волн, коррекцию нормальных приращений (NMO), коррекцию на сферическое расхождение,
сортировки данных без децимации,
преобразования временного разреза в глубинный, содержащего анализ скоростей,
обработки изображения после суммирования (102, 301),
обработки изображения до суммирования (101, 303) и
миграции.
коррекций и фильтрации, включающих в себя шумовую фильтрацию, подавление кратных волн, коррекцию нормальных приращений (NMO), коррекцию на сферическое расхождение,
сортировки данных без децимации,
преобразования временного разреза в глубинный, содержащего анализ скоростей,
обработки изображения после суммирования (102, 301),
обработки изображения до суммирования (101, 303) и
миграции.
3. Способ по п.2, отличающийся тем, что упомянутую сортировку данных без децимации связывают с упомянутым преобразованием временного разреза в глубинный.
4. Способ по п.2, отличающийся тем, что осуществляют ручную проверку результатов вычислений после каждого этапа и повторную итерацию с меньшей задержкой на критических задачах.
5. Способ по п.3, отличающийся тем, что шумовая фильтрация (105) основана на локальных статистических методах и сверхбыстрых вычислениях.
6. Способ по п.1, отличающийся тем, что используют упомянутый потоковый процессор (405) для сравнения (403) n(n>1) изображений геологической среды, полученных из n массивов исходных геологических данных (401, 402), полученных в разные моменты времени ti (2≤i≤n).
7. Способ по пп.1, 2 или 6, отличающийся тем, что упомянутый, по меньшей мере, один потоковый процессор представляет собой один из, по меньшей мере, одного программируемого графического процессорного устройства (ГПУ),
кластера узлов с ЦПУ, содержащими, по меньшей мере, одно ядро и, по меньшей мере, одно ГПУ,
Cell процессора,
процессора, построенного на основе Cell процессора,
кластера узлов Cell процессоров,
массивно-параллельного компьютера с потоковыми процессорами, соединенными по меньшей мере, с одним из его ЦПУ,
игрового компьютера и
кластера игровых компьютеров.
кластера узлов с ЦПУ, содержащими, по меньшей мере, одно ядро и, по меньшей мере, одно ГПУ,
Cell процессора,
процессора, построенного на основе Cell процессора,
кластера узлов Cell процессоров,
массивно-параллельного компьютера с потоковыми процессорами, соединенными по меньшей мере, с одним из его ЦПУ,
игрового компьютера и
кластера игровых компьютеров.
8. Система для преобразования данных отклика геологической среды в исходные графические данные, отличающаяся тем, что
по меньшей мере, одно центральное процессорное устройство (ЦПУ) выполнено с возможностью
(a) предварительной обработки данных (103) отклика геологической среды,
(b) загрузки предварительно обработанных данных отклика геологической среды, по меньшей мере, в один потоковый процессор,
(c) получения результатов обработки из упомянутого, по меньшей мере, одного потокового процессора, полученных с использованием, по меньшей мере, одной операции из деконволюции, коррекции и фильтрации, с последующей обработкой изображения для сравнения полученного изображения с тем же изображением, полученным в другое время;
(d) последующей обработки упомянутых результатов обработки, причем, по меньшей мере, один потоковый процессор выполнен с возможностью обработки предварительно обработанных данных отклика геологической среды.
по меньшей мере, одно центральное процессорное устройство (ЦПУ) выполнено с возможностью
(a) предварительной обработки данных (103) отклика геологической среды,
(b) загрузки предварительно обработанных данных отклика геологической среды, по меньшей мере, в один потоковый процессор,
(c) получения результатов обработки из упомянутого, по меньшей мере, одного потокового процессора, полученных с использованием, по меньшей мере, одной операции из деконволюции, коррекции и фильтрации, с последующей обработкой изображения для сравнения полученного изображения с тем же изображением, полученным в другое время;
(d) последующей обработки упомянутых результатов обработки, причем, по меньшей мере, один потоковый процессор выполнен с возможностью обработки предварительно обработанных данных отклика геологической среды.
9. Система по п.8, отличающаяся тем, что упомянутый, по меньшей мере, один потоковый процессор является одним из
по меньшей мере, одного программируемого графического процессорного устройства (ГПУ),
кластера узлов с ЦПУ, содержащими, по меньшей мере, одно ядро и, по меньшей мере, одно ГПУ,
Cell процессора,
процессора, построенного на основе Cell процессора,
кластера узлов Cell процессоров,
массивно-параллельного компьютера с потоковыми процессорами, подсоединенными, по меньшей мере, к одному из его ЦПУ,
игрового компьютера и
кластера игровых компьютеров.
по меньшей мере, одного программируемого графического процессорного устройства (ГПУ),
кластера узлов с ЦПУ, содержащими, по меньшей мере, одно ядро и, по меньшей мере, одно ГПУ,
Cell процессора,
процессора, построенного на основе Cell процессора,
кластера узлов Cell процессоров,
массивно-параллельного компьютера с потоковыми процессорами, подсоединенными, по меньшей мере, к одному из его ЦПУ,
игрового компьютера и
кластера игровых компьютеров.
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US72750205P | 2005-10-18 | 2005-10-18 | |
US60/727,502 | 2005-10-18 |
Publications (2)
Publication Number | Publication Date |
---|---|
RU2008119507A RU2008119507A (ru) | 2009-11-27 |
RU2440604C2 true RU2440604C2 (ru) | 2012-01-20 |
Family
ID=37962738
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
RU2008119507/08A RU2440604C2 (ru) | 2005-10-18 | 2006-10-18 | Визуализация данных отклика геологической среды с использованием потоковых процессоров |
Country Status (6)
Country | Link |
---|---|
US (1) | US20090164756A1 (ru) |
EP (1) | EP1941386A4 (ru) |
AU (1) | AU2006302736A1 (ru) |
BR (1) | BRPI0619297A2 (ru) |
RU (1) | RU2440604C2 (ru) |
WO (1) | WO2007046711A1 (ru) |
Families Citing this family (41)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
ES2652413T3 (es) | 2006-09-28 | 2018-02-02 | Exxonmobil Upstream Research Company | Inversión iterativa de datos a partir de fuentes geofísicas simultáneas |
SG193173A1 (en) | 2008-08-11 | 2013-09-30 | Exxonmobil Upstream Res Co | Estimation of soil properties using waveforms of seismic surface waves |
US8537638B2 (en) | 2010-02-10 | 2013-09-17 | Exxonmobil Upstream Research Company | Methods for subsurface parameter estimation in full wavefield inversion and reverse-time migration |
US8223587B2 (en) * | 2010-03-29 | 2012-07-17 | Exxonmobil Upstream Research Company | Full wavefield inversion using time varying filters |
US8694299B2 (en) | 2010-05-07 | 2014-04-08 | Exxonmobil Upstream Research Company | Artifact reduction in iterative inversion of geophysical data |
US8756042B2 (en) | 2010-05-19 | 2014-06-17 | Exxonmobile Upstream Research Company | Method and system for checkpointing during simulations |
SG188191A1 (en) | 2010-09-27 | 2013-04-30 | Exxonmobil Upstream Res Co | Simultaneous source encoding and source separation as a practical solution for full wavefield inversion |
US8437998B2 (en) | 2010-09-27 | 2013-05-07 | Exxonmobil Upstream Research Company | Hybrid method for full waveform inversion using simultaneous and sequential source method |
CA2815054C (en) | 2010-12-01 | 2017-05-16 | Exxonmobil Upstream Research Company | Simultaneous source inversion for marine streamer data with cross-correlation objective function |
WO2012134621A1 (en) | 2011-03-30 | 2012-10-04 | Exxonmobil Upstream Research Company | Convergence rate of full wavefield inversion using spectral shaping |
SG193233A1 (en) | 2011-03-31 | 2013-10-30 | Exxonmobil Upstream Res Co | Method of wavelet estimation and multiple prediction in full wavefield inversion |
CA2839277C (en) | 2011-09-02 | 2018-02-27 | Exxonmobil Upstream Research Company | Using projection onto convex sets to constrain full-wavefield inversion |
US9176930B2 (en) | 2011-11-29 | 2015-11-03 | Exxonmobil Upstream Research Company | Methods for approximating hessian times vector operation in full wavefield inversion |
US10012745B2 (en) | 2012-03-08 | 2018-07-03 | Exxonmobil Upstream Research Company | Orthogonal source and receiver encoding |
CA2892041C (en) | 2012-11-28 | 2018-02-27 | Exxonmobil Upstream Research Company | Reflection seismic data q tomography |
MX346526B (es) | 2013-05-24 | 2017-03-23 | Exxonmobil Upstream Res Co | Inversión multi-parámetro a través de fwi elástica dependiente de compensación. |
US10459117B2 (en) | 2013-06-03 | 2019-10-29 | Exxonmobil Upstream Research Company | Extended subspace method for cross-talk mitigation in multi-parameter inversion |
US9702998B2 (en) | 2013-07-08 | 2017-07-11 | Exxonmobil Upstream Research Company | Full-wavefield inversion of primaries and multiples in marine environment |
EP3036566B1 (en) | 2013-08-23 | 2018-04-04 | Exxonmobil Upstream Research Company | Simultaneous sourcing during both seismic acquisition and seismic inversion |
US10036818B2 (en) | 2013-09-06 | 2018-07-31 | Exxonmobil Upstream Research Company | Accelerating full wavefield inversion with nonstationary point-spread functions |
US9910189B2 (en) | 2014-04-09 | 2018-03-06 | Exxonmobil Upstream Research Company | Method for fast line search in frequency domain FWI |
SG11201608175SA (en) | 2014-05-09 | 2016-11-29 | Exxonmobil Upstream Res Co | Efficient line search methods for multi-parameter full wavefield inversion |
US10185046B2 (en) | 2014-06-09 | 2019-01-22 | Exxonmobil Upstream Research Company | Method for temporal dispersion correction for seismic simulation, RTM and FWI |
CN106662664A (zh) | 2014-06-17 | 2017-05-10 | 埃克森美孚上游研究公司 | 快速粘声波和粘弹性全波场反演 |
US10838092B2 (en) | 2014-07-24 | 2020-11-17 | Exxonmobil Upstream Research Company | Estimating multiple subsurface parameters by cascaded inversion of wavefield components |
US10422899B2 (en) | 2014-07-30 | 2019-09-24 | Exxonmobil Upstream Research Company | Harmonic encoding for FWI |
CN105445786A (zh) * | 2014-08-04 | 2016-03-30 | 中国石油化工股份有限公司 | 用于基于gpu获取叠前逆时偏移的方法及装置 |
US10386511B2 (en) | 2014-10-03 | 2019-08-20 | Exxonmobil Upstream Research Company | Seismic survey design using full wavefield inversion |
US9977141B2 (en) | 2014-10-20 | 2018-05-22 | Exxonmobil Upstream Research Company | Velocity tomography using property scans |
EP3234659A1 (en) | 2014-12-18 | 2017-10-25 | Exxonmobil Upstream Research Company | Scalable scheduling of parallel iterative seismic jobs |
US10520618B2 (en) | 2015-02-04 | 2019-12-31 | ExxohnMobil Upstream Research Company | Poynting vector minimal reflection boundary conditions |
SG11201704620WA (en) | 2015-02-13 | 2017-09-28 | Exxonmobil Upstream Res Co | Efficient and stable absorbing boundary condition in finite-difference calculations |
CN107407736B (zh) | 2015-02-17 | 2019-11-12 | 埃克森美孚上游研究公司 | 生成无多次波的数据集的多阶段全波场反演处理 |
WO2016195774A1 (en) | 2015-06-04 | 2016-12-08 | Exxonmobil Upstream Research Company | Method for generating multiple free seismic images |
US10838093B2 (en) | 2015-07-02 | 2020-11-17 | Exxonmobil Upstream Research Company | Krylov-space-based quasi-newton preconditioner for full-wavefield inversion |
CN108139499B (zh) | 2015-10-02 | 2020-02-14 | 埃克森美孚上游研究公司 | Q-补偿的全波场反演 |
WO2017065889A1 (en) | 2015-10-15 | 2017-04-20 | Exxonmobil Upstream Research Company | Fwi model domain angle stacks with amplitude preservation |
US10768324B2 (en) | 2016-05-19 | 2020-09-08 | Exxonmobil Upstream Research Company | Method to predict pore pressure and seal integrity using full wavefield inversion |
CN107783184B (zh) * | 2016-08-31 | 2020-01-21 | 中国科学院地质与地球物理研究所 | 一种基于多流优化的gpu逆时偏移方法及系统 |
CN107590589A (zh) * | 2017-08-25 | 2018-01-16 | 北京科技大学 | 基于gpu集群的城市一般建筑群震害分析的计算加速方法 |
CN107608786A (zh) * | 2017-08-25 | 2018-01-19 | 北京科技大学 | 一种基于gpu和分布式计算的高层建筑群震害分析方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US2375277A (en) * | 1942-02-11 | 1945-05-08 | Ibm | Combined multiplying and dividing machine |
GB9813760D0 (en) * | 1998-06-25 | 1998-08-26 | Geco Prakla Uk Ltd | Seismic data signal processing method |
GB2372567B (en) * | 2001-02-22 | 2003-04-09 | Schlumberger Holdings | Estimating subsurface subsidence and compaction |
US7613775B2 (en) * | 2003-11-25 | 2009-11-03 | Freescale Semiconductor, Inc. | Network message filtering using hashing and pattern matching |
-
2006
- 2006-10-18 WO PCT/NO2006/000364 patent/WO2007046711A1/en active Application Filing
- 2006-10-18 BR BRPI0619297-1A patent/BRPI0619297A2/pt not_active IP Right Cessation
- 2006-10-18 AU AU2006302736A patent/AU2006302736A1/en not_active Abandoned
- 2006-10-18 US US12/083,680 patent/US20090164756A1/en not_active Abandoned
- 2006-10-18 RU RU2008119507/08A patent/RU2440604C2/ru not_active IP Right Cessation
- 2006-10-18 EP EP06799571A patent/EP1941386A4/en not_active Withdrawn
Non-Patent Citations (1)
Title |
---|
TOR DOKKEN, The GPU as a high performance computational resource, Proceedings of the 21st spring conference on computer graphics, 12.05.2005-14.05.2005. STEINKRAUS D. et al., Using GPUs for Machine Learning Algorithms, Document analysis and recognition, 2005. proceedings. eighth internati onal conference on Seoul, Korea 31.07.2005-01.08.2005. JIM CHING-RONG LIN, Geoscience Visualization with GPU programming, Proc spie int soc opt eng; Proceedings of spie - the international society for optical engineering; Proceedings of spie-is and t electronic imaging - visualization and data analysis, 2005, 17.01.2005-18.01.2005. ЯРОСЛАВСКИЙ Л.П. Введение в цифровую обработку изображений. - М.: Советское радио, 1979. * |
Also Published As
Publication number | Publication date |
---|---|
BRPI0619297A2 (pt) | 2012-12-04 |
US20090164756A1 (en) | 2009-06-25 |
RU2008119507A (ru) | 2009-11-27 |
EP1941386A4 (en) | 2010-03-17 |
WO2007046711A1 (en) | 2007-04-26 |
AU2006302736A1 (en) | 2007-04-26 |
EP1941386A1 (en) | 2008-07-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
RU2440604C2 (ru) | Визуализация данных отклика геологической среды с использованием потоковых процессоров | |
CN103119471A (zh) | 用于生成地下构造的图像的系统和方法 | |
US11662492B2 (en) | Seismic random noise attenuation | |
US9928315B2 (en) | Re-ordered interpolation and convolution for faster staggered-grid processing | |
CN111596358A (zh) | 一种多次波的压制方法、设备以及系统 | |
CN113743193B (zh) | 一种叠前地震资料线性干扰压制方法及系统 | |
Li et al. | Simple framework for the contrastive learning of visual representations-based data-driven tight frame for seismic denoising and interpolation | |
CN115577247B (zh) | 基于堆叠反馈残差网络的地震噪声去除方法及装置 | |
Cuomo et al. | A (multi) GPU iterative reconstruction algorithm based on Hessian penalty term for sparse MRI | |
Wang et al. | Egpuip: An embedded gpu accelerated library for image processing | |
Gao et al. | Unsupervised Seismic Random Noise Suppression Based on Local Similarity and Replacement Strategy | |
NO329011B1 (no) | Avbildning av geologisk responsdata med strommeprosessorer | |
Tesfamariam | Distributed Processing of Large Remote Sensing Images Using Mapreduce-A Case of Edge Detection | |
Wang et al. | Acceleration of ultrasonic data compression using OpenCL on GPU | |
CN116342370B (zh) | 一种基于gpu的地球化学数据一体化处理方法及系统 | |
Wu et al. | A seismic random noise suppression method based on self-supervised deep learning and transfer learning | |
Hong et al. | Can tile low-rank compression live up to expectations? An application to 3D multidimensional deconvolution | |
CN107783184B (zh) | 一种基于多流优化的gpu逆时偏移方法及系统 | |
CN111694052B (zh) | 盲反演方法及装置 | |
Scivoletto et al. | Performances of a parallel cuda program for a biorthogonal wavelet filter | |
Ansari et al. | A graphic processing unit frame work for convolutional neural network based classification of remotely sensed satellite images | |
Bridgman et al. | Scalable multi-core sonar beamforming with Computational Process Networks | |
Saha et al. | Fast and Parallel Semblance Algorithm for Detecting Faults in Large Seismic Volumes | |
Hamilton | Real-Time Time-Warped Multiscale Signal Processing for Scientific Visualization | |
CN113126162A (zh) | 随机噪声衰减计算方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
MM4A | The patent is invalid due to non-payment of fees |
Effective date: 20161019 |