Self-Supervised Knowledge-Driven Deep Learning for 3D Magnetic Inversion

要約

磁気反転法は非破壊地球物理学的手法の一つであり、地表磁気異常データから地下磁化率分布を推定することを目的としています。
最近、教師あり深層学習手法は、磁気反転を含む多くの地球物理分野で広く利用されています。
ただし、これらの方法は合成トレーニング データに大きく依存しており、合成データはフィールド データと独立して同一に分散されていないため、パフォーマンスが制限されます。
そこで私たちは自己教師あり深層学習により磁性反転を実現することを提案しました。
提案された自己教師あり知識駆動型 3D 磁気反転法 (SSKMI) は、反転モデルと順モデルの閉ループによってターゲット フィールド データを学習します。
フォワード モデルのパラメーターが事前に設定されている場合、SSKMI は、観察された表面磁気異常と再推定された表面磁気異常の間の平均絶対誤差を最小限に抑えることにより、反転モデルを最適化できます。
さらに、提案された反転モデルには知識駆動型モジュールがあり、深層学習手法をより説明しやすくしています。
一方、比較実験では、知識駆動型モジュールが提案された方法のトレーニングを加速し、より良い結果を達成できることが実証されています。
磁気反転は不正姿勢タスクであるため、SSKMI は補助ループ内のガイドラインによって反転モデルを制約することを提案しました。
実験結果は、提案した方法が優れた性能を備えた信頼性の高い磁気反転方法であることを示しています。

要約(オリジナル)

The magnetic inversion method is one of the non-destructive geophysical methods, which aims to estimate the subsurface susceptibility distribution from surface magnetic anomaly data. Recently, supervised deep learning methods have been widely utilized in lots of geophysical fields including magnetic inversion. However, these methods rely heavily on synthetic training data, whose performance is limited since the synthetic data is not independently and identically distributed with the field data. Thus, we proposed to realize magnetic inversion by self-supervised deep learning. The proposed self-supervised knowledge-driven 3D magnetic inversion method (SSKMI) learns on the target field data by a closed loop of the inversion and forward models. Given that the parameters of the forward model are preset, SSKMI can optimize the inversion model by minimizing the mean absolute error between observed and re-estimated surface magnetic anomalies. Besides, there is a knowledge-driven module in the proposed inversion model, which makes the deep learning method more explicable. Meanwhile, comparative experiments demonstrate that the knowledge-driven module can accelerate the training of the proposed method and achieve better results. Since magnetic inversion is an ill-pose task, SSKMI proposed to constrain the inversion model by a guideline in the auxiliary loop. The experimental results demonstrate that the proposed method is a reliable magnetic inversion method with outstanding performance.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google