作者：穆罕默德·里兹万·阿西夫、尼古拉 ·福格德、普拉迪普·库马尔·莫里亚、丹尼斯 ·詹姆斯·格罗姆巴赫、安德斯·维斯特·克里斯蒂安森、 埃斯本 ·奥肯、雅各布·尤尔·拉森
摘要：机载时域电磁勘探会产生极其庞大的数据集，包含数千公里的测线数据和数百万种可能的解释模型。对这类数据集进行反演以获取地下电阻率结构需要大量计算，涉及求解最小二乘反问题时需计算大量正向响应与导数响应。机载系统的飞行高度需纳入建模过程，这进一步增加了复杂性。 我们提出将神经网络集成到阻尼迭代最小二乘反演框架中以加速反演过程。针对广泛的电阻率结构和飞行高度范围，分别训练两个独立神经网络分别预测正向响应与偏导数。数据反演不仅用于生成最终地下模型，还可应用于数据处理阶段或在勘探过程中生成中间结果。 基于上述目标，我们提供三种可调节计算时间与建模精度平衡的反演方案：(1) 初始阶段采用数值正向响应结合神经网络导数，最终迭代阶段将导数切换为数值解；(2) 整个反演过程均采用数值正向响应结合神经网络导数；(3) 反演全程仅使用神经网络正向响应与导数。 实地数据实验表明：第一种方案在提升反演速度的同时保持了建模精度；第二种方案虽显著加快速度，但反演结果与传统非线性反演存在轻微偏差（通常可接受）；第三种方案速度最快且能较好捕捉整体电阻率结构。因此，根据建模精度需求，采用上述方案可实现最高达50倍的反演速度提升。
