В поверхностном зондировании традиционные методы сейсмической разведки испытывают трудности с получением высокоразрешающих изображений подземных захоронений из-за сложных геологических условий, шумовых помех и эффектов многолучевости. Путём интеграции методов шумоподавления на базе глубоких нейронных сетей, с предварительным обучением с помощью DeepDenoiser, был построен глубокий обучающийся на больших данных модель, спроектирована архитектура нейронной сети и предложен метод полной волновой инверсии на основе глубокого обучения с большими данными (DNFWI). Для проверки эффективности и производительности метода в реальных условиях проведены акустические испытания зарытых стальных труб для транспортировки нефти в песчаном слое с использованием двух видов возбуждения: горизонтального сдвигового и вертикального электрического возбуждения. Анализируя собранные звуковые сигналы, получены функции передачи датчиков захоронений, характеристики поверхности, скорость поверхностной волны, временные кривые сигнала с поверхности и спектр мощности. С применением DNFWI проведён сравнительный анализ эффективности визуализации для двух видов возбуждения. Результаты показывают, что глубинный коэффициент затухания для горизонтального возбуждения составляет примерно 20–25 дБ/м, для вертикального – около 10–20 дБ/м, пространственный коэффициент затухания поверхностных волн – около 11 дБ/м; из-за большего различия в сопротивлении сдвиговых (SH) волн и стальных труб отражённый сигнал сильнее, после инверсии на основе SH волн положение захоронения более чёткое и обеспечивает более эффективное определение местоположения захороненных нефтепроводов по сравнению с вертикальными волнами; DNFWI улучшил точность определения на 66,7% по сравнению с традиционным методом FWI, сократил количество итераций сходимости на 59,7% и время вычислений на 60,8%.

подземные нефтяные трубопроводы;акустическое обнаружение;большие данные;глубокое обучение;полная волновая инверсия