Autores: Muhammad Rizwan Asif, Nikolaj Foged, Pradip Kumar Maurya, Denys James Grombacher, Anders Vest Christiansen, Esben Auken, Jakob Juul Larsen
Resumo: Os levantamentos eletromagnéticos aéreos no domínio do tempo produzem conjuntos de dados extremamente grandes, com milhares de quilómetros lineares de dados e milhões de modelos possíveis para explicar os dados. A inversão desses conjuntos de dados para obter as estruturas de resistividade do subsolo é computacionalmente intensiva e envolve o cálculo de um número significativo de respostas diretas e derivadas para resolver o problema inverso dos mínimos quadrados. A altitude de voo do sistema aéreo precisa ser incluída na modelagem, o que adiciona ainda mais complexidade. Propomos integrar redes neurais numa estrutura de inversão iterativa amortecida de mínimos quadrados para acelerar o processo de inversão. Treinamos duas redes neurais separadas para prever as respostas diretas e derivadas parciais independentemente para uma ampla gama de estruturas de resistividade e altitudes de voo. A inversão de dados não é usada apenas para produzir os modelos finais do subsolo, mas também durante o processamento de dados ou para produzir resultados intermediários durante um levantamento. Com esses objetivos em mente, fornecemos três esquemas de inversão com um equilíbrio ajustável entre tempo de computação e precisão de modelagem: (1) respostas numéricas diretas usadas inicialmente em combinação com derivadas de redes neurais, e as derivadas mudadas para uma solução numérica nas iterações finais, (2) respostas numéricas diretas em combinação com derivadas de redes neurais usadas durante toda a inversão, e (3) apenas respostas diretas e derivadas de redes neurais usadas na inversão. Experiências com dados de campo revelam que melhoramos a velocidade de inversão sem qualquer perda na precisão da modelagem com a nossa primeira abordagem, enquanto o segundo esquema proporciona um aumento significativo na velocidade, ao custo de pequenos desvios, muitas vezes aceitáveis, nos resultados da inversão em relação à inversão não linear convencional. A última abordagem é a mais rápida e captura muito bem as estruturas gerais de resistividade. Portanto, dependendo da precisão da modelagem, fatores de aceleração da inversão de até 50 são alcançados com o uso dos esquemas propostos.
