المؤلفون: محمد رضوان آصف، نيكولاي فوجيد، براديب كومار موريا، دينيس جيمس غرومباشر، أندرس فيست كريستيانسن، إسبن أوكن، جاكوب جول لارسن
الملخص: تنتج المسوحات الكهرومغناطيسية الجوية في المجال الزمني مجموعات بيانات ضخمة للغاية تضم آلاف الكيلومترات من البيانات وملايين النماذج المحتملة لشرح هذه البيانات. إن عكس هذه المجموعات من البيانات للحصول على هياكل المقاومة الكهربائية للطبقات الجوفية يتطلب حسابات معقدة ويتضمن حساب عدد كبير من الاستجابات المباشرة والمشتقة لحل مشكلة العكس الأقل مربعات. يجب تضمين ارتفاع طيران النظام الجوي في النمذجة، مما يزيد من تعقيد العملية. نقترح دمج الشبكات العصبية في إطار انعكاس تكراري مخفف لأقل المربعات لتسريع عملية الانعكاس. نقوم بتدريب شبكتين عصبيتين منفصلتين للتنبؤ بالاستجابات الأمامية والمشتقات الجزئية بشكل مستقل لمجموعة واسعة من هياكل المقاومة وارتفاعات الطيران. لا يستخدم انعكاس البيانات فقط لإنتاج النماذج النهائية تحت السطح، بل يستخدم أيضًا أثناء معالجة البيانات، أو لإنتاج نتائج وسيطة أثناء المسح. مع أخذ هذه الأغراض في الاعتبار، نقدم ثلاثة مخططات انعكاس مع توازن قابل للتعديل بين وقت الحساب ودقة النمذجة: (1) الاستجابات الأمامية العددية المستخدمة في البداية بالاقتران مع مشتقات الشبكة العصبية، والمشتقات التي تحولت إلى حل عددي في التكرارات النهائية، (2) الاستجابات الأمامية العددية بالاقتران مع مشتقات الشبكة العصبية المستخدمة طوال عملية الانعكاس، و (3) الاستجابات الأمامية للشبكة العصبية والمشتقات المستخدمة في الانعكاس فقط. توصلت التجارب على البيانات الميدانية إلى أننا نحسن سرعة الانعكاس دون أي خسارة في دقة النمذجة باستخدام نهجنا الأول، في حين أن المخطط الثاني يوفر تسريعًا كبيرًا على حساب انحرافات طفيفة ومقبولة في كثير من الأحيان في نتائج الانعكاس عن الانعكاس غير الخطي التقليدي. النهج الأخير هو الأسرع ويلتقط هياكل المقاومة الكلية بشكل جيد. لذلك، اعتمادًا على دقة النمذجة، يتم تحقيق عوامل تسريع الانعكاس تصل إلى 50 باستخدام المخططات المقترحة.
