Табыстар:
- Инверсияның дұрыс емес және көп мағыналы сипатын және деректерді сәйкестендіру мен реттеу арасындағы тепе-теңдікті түсініңіз.
- Шынайы алға үлгілеу арқылы AI жеделдетуін (суррогат модель, бұрын үйренген) растау және жүктелген геологияны тану мүмкіндігі
- Нәтижені бір үлгі емес, белгісіздік үлестірімі ретінде хабарлау және ажыратымдылықты/сезімталдықты және деректер-орналастыруды бөлуді көрсету мүмкіндігі
Геофизикадағы ең терең сұрақ: жер бетінде өлшейтін деректерді қандай жер қойнауының моделі шығарады? Бұл сұраққа жауап беру инверсия деп аталады. Форвард модельдеу белгілі жер қойнауының үлгісінен күтілетін деректерді есептесе, кері модельдеу керісінше жасайды: ол бақыланатын деректерден жер қойнауының үлгісін бағалайды. Бұл бөлімде сіз жасанды интеллект (AI) инверсияны қалай тездететінін, суррогат үлгілерімен сағаттардың орнына секундтарды алатынын білесіз; бірақ біз инверсияның көп мағыналылығы мен екіұштылығына байланысты AI шығысын ешқашан «бір шынайы модель» ретінде оқуға болмайтынын көреміз.
Кері шешімнің негізгі керілуі
Инверсия - бұл жақсы мәселе емес; Бұл дұрыс емес мәселе: оның шешімі болмауы мүмкін, біреуден көп болуы мүмкін немесе деректердегі шағын шу үлгідегі үлкен өзгерістерге әкелуі мүмкін. Демек, инверсия екі күшті теңестіреді: деректер сәйкессіздігі (модель шығарған деректердің бақыланатын деректерге қаншалықты жақындығы) және регуляризация (модельге «оңайлылық» шектеуін қосу, мысалы, тегістік немесе анықтамалық модельге жақындық). Тым көп деректерді сәйкестендіру де модельге шуды әкеледі; тым көп реттеу нақты құрылымды жояды. Бұл тепе-теңдікті орнату (мысалы, лямбда салмағын реттеу) бүкіл интерпретацияға әсер етеді.
AI инверсияны қалай тездетеді?
Классикалық инверсия жүздеген және мыңдаған рет алға үлгілеуді іске қосу арқылы үлгіні итерациялық түрде жаңартады; 3D электромагниттік немесе толық толқын пішінін инверсияда бұл сағаттан бірнеше күнге дейін созылуы мүмкін. AI үш жолмен жылдамдайды:
- Суррогат үлгісі (суррогат/эмулятор): жылдам алдын ала дайындалған нейрондық желімен ауыр алға есептеуді жақындату арқылы циклды қысқарту.
- Алдын ала үйренді: Регуляризацияның орнына нақты геологиялық модельдерден үйренген «нақтылық» шектеуін пайдалану.
- Тікелей қорытынды (соңынан соң): Деректерден модельге тікелей салыстыруды үйренетін желілермен жылдам болжау (мысалы, кейбір 1D инверсияларында).
Әрқайсысы жылдамдықты қосады, бірақ әрқайсысы жаңа тәуекелді енгізеді: суррогат үлгісі жаттығу ауқымынан тыс қателеседі; үйренген алдыңғы деректерге оқу-жаттығу жиынының геологиясын жүктей алады (болмайтын құрылымды «болымды» деп шығарады); тікелей қорытынды оның сенімділігін асыра бағалауы мүмкін.
Кеңес: AI жеделдетілген инверсия нәтижесін қабылдамас бұрын, алынған үлгіні нақты (физикалық) алға үлгілеу арқылы қойыңыз және ол шығарған деректерді бақыланатын деректермен салыстырыңыз. Егер суррогат моделі «сәйкес» деп айтатын шешім нақты физикада байқалған деректерді сақтамаса, бұл шешім жарамсыз.
Белгісіздікті өлшеу: үлестіру, бір үлгі емес
Жақсы инверсияның шығуы жалғыз модель емес, мүмкін болатын модельдер тобы болып табылады. Белгісіздікті өлшеу жолдары: әртүрлі бастапқы үлгілері бар бірнеше жүгіріс, әртүрлі реттеу салмақтары және ықтималдық тәсілдер (мысалы, Байес инверсиясы — ықтималдық үлестірімі ретінде нәтиже беретін тәсіл; кейінгі таралу). AI осы үлестірімді таңдауды тездетуі мүмкін (мысалы, ықтимал үлгілердің көп санын генерациялау). Мұндағы мақсат «жер асты осындай» деу емес, «жер асты мына аралықта да, мына өңірлерде де осындай сенімділікпен».
Абайлаңыз: инверсия картасы неғұрлым «өткір және егжей-тегжейлі» көрінсе, соғұрлым ол реттеу шешімі мен алғышартына тәуелді болуы мүмкін. Айқындық дәлдік емес. Модельдің қай аймағы деректермен, қайсысы алдын ала/реттеу арқылы анықталғанын ажыратыңыз (разрядты талдау).
Ажыратымдылық және сезімталдық
Әрбір инверсиялық модельдің әрбір ұяшығы бірдей сенімді бола бермейді. Сезімталдық – деректердің модельдің сол аймағына қаншалықты жауап беретіндігі; Деректер «көре алмайтын» аймақтар (сезімталдығы төмен) алғышарттармен толығымен толтырылады және нақты ақпаратты тасымалдамайды. AI жылдам шешімдерді шығара отырып, бұл айырмашылықты жасыра алады. Сондықтан, алынған үлгінің жанында ажыратымдылық/сезімталдық картасы болуы керек.
үш шағын іс
1-жағдай – сағаттан секундқа дейін. Магнитотеллюрлік (МТ — табиғи электромагниттік өріспен жер асты меншікті кедергісін өлшеу әдісі) жобасында 3D инверсиясы 9 сағатқа созылды. Топ сценарийді сканерлеуді минуттарға дейін қысқартып, форвардтық тіркелгіні прокси желімен ауыстырды. Бірақ олар нақты физика және расталған деректер сәйкестігі бар соңғы модельді қайта іске қосты; Олар прокси 3% өшірілген терең аймақты қолмен түзетті.
2-жағдаят – Жүктелген геология. Құмтас бассейндерінен үйренген алғышарт карбонатты өрісте қолданылды және инверсия деректер оны қолдамаса да, тегіс қабатты құрылымды жасады. Сезім картасы бұл құрылымның деректер көре алмайтын терең аймақта екенін көрсетті: құрылым деректерден емес, алғышарттардан келді. Алғышарт өзгертілгенде, модель шынайы болды.
3-жағдай – Айқындықтың қателігі. Екі команда бірдей гравитация деректерін кері шешті. Регуляризациясы төмен ерітінді өткір шықты, регуляризациясы жоғары ерітінді ирек шықты; Екеуі де деректерге бірдей сәйкес келеді. Шешім полисемияны қабылдау және екі үлгіні резервуар есебіне қосу болды; Бір үлгіде құлыптау тәуекелді жасырады.
Көшірілетін төрт үлгі
1) Кері шешімді орнату бойынша кеңес:
Сіздің рөліңіз: реверсивті маман. Есеп: [1D/2D/3D, әдіс: МТ /сейсмикалық / гравитация]. Маған кері шешімнің дұрыс еместігін түсіндір; Деректерді сәйкестендіру мен реттеуді қалай теңестіремін, қандай критерийлер бойынша (L-қисығы, кросс-валидация) реттеу салмағын таңдаймын? Біртіндеп жазыңыз.
2) суррогат үлгісін тексеру:
Мен AI суррогат үлгісімен алға үлгілеуді жылдамдаттым. Бұл прокси сенімді параметр ауқымын қалай анықтауға болады? Нәтижені нақты физикамен қалай растауға болады, прокси ауытқыған аймақты қалай түсіруге болады? Аутентификация протоколын ұсыныңыз.
3) Белгісіздікті барлау:
Менің кері шешімім бір үлгіні берді. Белгісіздікті енгізу үшін әртүрлі бастапқы үлгілерді, әртүрлі реттеу салмақтарын және ықтималды іріктеуді қалай пайдалануға болады? Нәтижені «бір үлгі» орнына «модельдер тобы + сенімділік аралығы» ретінде қалай хабарлауға болады?
4) Ажыратымдылықты бөлу:
Мен инверсия үлгісінің қай аймағы деректермен анықталатынын және қайсысы алғышарт/реттеу арқылы анықталатынын бөлгім келеді. Сезімталдық/разрядтық талдауды қалай орнатуға болады және есепте сезімталдығы төмен аймақтарды белгілеуге болады?
Әлсіз шақыру / Күшті шақыру
Әлсіз шақыру:
Бұл деректерді кері шешіп, жер асты моделін беріңіз.
Бір үлгі күтеді; Ол екіұштылық пен екіұштылықты жасырады, нәтижесінде қатаң, бірақ дәлелсіз қорытынды жасалады.
Күшті шақыру:
Your role: reversal specialist. Деректер: [гравитация профилі + 2 ұңғыманың тығыздығы]. Тапсырма: (1) деректерді сәйкестендіруді теңестіру арқылы анықтамалық үлгіні жасау; (2) кем дегенде үш баламалы үлгіні алу үшін реттеу салмағын өзгертіңіз және олардың барлығы деректерге сәйкес келетінін көрсетіңіз; (3) әрбір модельдің қай аймағы деректермен, ал қайсысы алғышартпен анықталады. Нәтижені жалғыз дұрыс үлгі ретінде көрсетпеңіз; Белгісіздік ауқымымен беріңіз.
Балама үлгілерге сұраныс, деректерді сәйкестендіру және ажыратымдылықты бөлу кері шешімді адал етеді.
Инверсиялық тәсілдер
Тәсіл
жылдамдық
Негізгі тәуекел
тексеру
Классикалық итеративті
баяу
жергілікті минимум
көп бастау
суррогат үлгісі
өте жылдам
диапазоннан ауытқу
Нағыз физикамен расталған
үйренген алғышарт
жылдам
геологиялық міндеттеме
Сезімталдық картасы
Байездік/ықтималдық
орташа
Шот құны
Артқы таралу
Жалпы қателер
- Thinking that the only model is real. The inverse solution makes a lot of sense; Баламаларды жасаңыз.
- Blindly adopting the surrogate model. Нақты алға үлгілеу арқылы нәтижені растамай аяқтамаңыз.
- Not questioning the premise. Үйренілген алғышарт деректермен қолдау көрсетілмейтін құрылымды шығаруы мүмкін.
- Mistaking sharpness for accuracy. Егжей-тегжей реттеу шешіміне байланысты.
- Ажыратымдылықты жасыру. Сезімталдығы төмен аймақтарды нақты ақпарат ретінде көрсетпеңіз.
Қысқаша айтқанда
Инверсия – бұл геофизикадағы деректерден модельге көшу сатысы және өз мәні бойынша нашар қойылған, көп мағыналы мәселе. AI; Суррогат модельдер бұл процесті үйреншікті предметтермен және тікелей қорытындымен тездетеді. Бірақ әрбір жеделдету жаңа қауіп төндіреді: ауқымнан тыс дрейф, жүктелген геология, тым жоғары сенімділік. Дұрыс пайдалану; альтернативті модельдерді құру, нақты физикамен растау, белгісіздікті бөлу ретінде хабарлау және ажыратымдылықты оқшаулау. Кері шешімнің нәтижесі бір ақиқат емес, сенімді шектелген модельдер тобы.
Қолданбалы тапсырма
Инверсия есебін таңдаңыз (1D кедергісі, гравитация профилі және т.б.). «Қайтарылатын шешімді орнату кеңесі» үлгісімен деректерді сәйкестік-реттеу айырбастауын жоспарлаңыз. Содан кейін «Белгісіздікті зерттеу» үлгісімен кемінде үш баламалы үлгіні құру және оларды деректерге сәйкестікпен салыстыру процедурасын жасаңыз. Қай аймақ деректермен, қайсысы алғышартпен анықталғанын қалай ажырататыныңызды жазыңыз.
бақылау парағы
- [ ] Мен деректерді сақтау мен реттеу арасындағы тепе-теңдікті саналы түрде құрдым.
- [ ] Мен кем дегенде үш баламалы үлгіні шығардым және олардың деректерге сәйкестігін салыстырдым.
- [ ] Мен суррогат/AI жеделдетуін нақты физикамен растадым.
- [ ] Ажыратымдылық/сезімталдық картасымен деректер-орналастыру бөлімін көрсеттім.
- [ ] Нәтижені бір үлгі емес, белгісіздік ауқымымен хабарладым.