Инверсия данных геоэлектрики: как совместить физику процесса и возможности нейросетей

Решение нелинейных обратных задач по данным магнитотеллурических и магнитовариационных зондирований традиционно упирается в фундаментальную проблему. Из-за скин-эффекта квазистационарное электромагнитное поле быстро затухает с глубиной, что приводит к резкому росту неоднозначности и неустойчивости получаемых решений.

Классическая регуляризация по Тихонову и байесовские вероятностные методы доказали свою состоятельность, но требуют огромных вычислительных мощностей и постоянного подбора начального приближения. При этом повышение детальности расчётной сетки неизбежно снижает устойчивость всей системы. Практикам часто приходится искать сложный компромисс между разрешающей способностью и достоверностью геоэлектрического разреза.

Альтернативой выступает аппроксимационно-нейросетевой подход на базе физически информированных нейронных сетей (PINN). В отличие от концепции черного ящика, такие архитектуры изначально учитывают физические законы распространения поля и используют пространственную декомпозицию среды. Сеть обучается один раз под заданный класс сред, после чего позволяет выполнять экспресс-инверсию новых данных в режиме реального времени.

Эффективность подхода подтверждена на полевых материалах региональной съёмки Северо-Пясинской площади в Енисей-Хатангском прогибе. Результаты сопоставимы с классической квазиодномерной и квазидвумерной инверсией, однако затраты машинного времени сокращаются на порядки. Это открывает прикладные возможности для оперативной обработки больших объемов площадных наблюдений без потери точности. 

Телеграм: t.me/ainewsline

Источник: vk.com

Комментарии: