استجابة للحاجة الملحة لبيانات زلزالية عالية الدقة لاستكشاف مكامن النفط والغاز الهيكلية والصخرية في حوض شمال جيانغسو، تواجه طرق الإلغاء التقليدية والتحويل الترددي قيودًا مثل الاستخدام غير الكافي لمعلومات الآبار وضعف التكيّف مع الميزات غير الخطية. نقترح طريقة ذكية لتوسيع نطاق التردد الزلزالي تعتمد على شبكة الأعصاب التعويضية المعممة (Generalized regression neural network، GRNN). من خلال دمج تقنيات الارتباط بين الآبار والزلازل، تم بناء إطار تعلم عميق يركز على GRNN، مستفيدًا بشكل كامل من بيانات السجل لتوليد علامات زلزالية عالية التردد، مما يحقق توسعًا ذكيًا في نطاق التردد الزلزالي. تستند شبكة GRNN إلى نظرية تقدير كثافة الاحتمال باستخدام نافذة بارزن، وتتكون من هيكل رباعي الطبقات: طبقة الإدخال، طبقة الأنماط، طبقة الجمع وطبقة المخرجات، وتمتاز بنمذجة غير معلمية، تقارب تكيفي للميزات الموضعية، ومقاومة للضوضاء، مما يعالج بفعالية عدم استقرار الإشارة الزلزالية وتداخل الضوضاء عالية الأبعاد. في منطقة YA عالية الكثافة ثلاثية الأبعاد في شمال جيانغسو، تم توليد مسارات زلزالية عالية التردد من بيانات الآبار وتدريب الشبكة لتوسيع نطاق التردد، وأظهرت النتائج توسيع النطاق الترددي الفعال من 7~43 هرتز إلى 6~56 هرتز، مع تحديد أوضح لحدود الطبقات الرملية الرقيقة، وتوافق جيد مع بيانات الحفر الزلزالية، وارتباط تسجيل تجميعي بلغ 82%. كما درست الأبحاث تأثير كمية البيانات التدريبية واختيار المسارات التدريبية على نتائج التنبؤ، ووجدت أن اختيار المسارات التي تمثل المقطع الزلزالي بأكمله يؤدي إلى أفضل أداء للتوسيع. تم تطبيق طريقة التوسيع المستندة إلى التعلم العميق على عدة كتل في حوض شمال جيانغسو حققت نتائج جيدة، مثبتة فعالية وملاءمة الطريقة، وتوفر نتائج البحث دعمًا بيانات عالي الدقة لرسم مكامن النفط والغاز معقدة الصخور، وتعزز التطور الذكي لتقنية توسعة النطاق الزلزالي.

حوض شمال جيانغسو;شبكة الأعصاب التعويضية المعممة;التعلم العميق;توسيع التردد;معلومات السجل