Unità 5 / 11

Appoġġ għall-Inverżjoni u Inċertezza tal-Mudell

Qligħ:

  • Ifhem in-natura ħażina u polisemu tal-inverżjoni u l-bilanċ bejn l-adattament tad-dejta u r-regolarizzazzjoni.
  • Kapaċità li tivvalida l-aċċelerazzjoni tal-AI (mudell surrogat, mitgħallma minn qabel) b'mudellar 'il quddiem veru u tirrikonoxxi l-ġeoloġija imposta
  • Kapaċità li tirrapporta r-riżultat bħala distribuzzjoni ta' inċertezza aktar milli mudell wieħed u turi riżoluzzjoni/sensittività u separazzjoni tad-data-premessa

L-iktar mistoqsija profonda fil-ġeofiżika hija: liema mudell ta' taħt il-wiċċ jipproduċi d-dejta li nkejjel fil-wiċċ? Li twieġeb din il-mistoqsija tissejjaħ inverżjoni. Filwaqt li l-immudellar bil-quddiem jikkalkula d-dejta mistennija minn mudell ta 'taħt il-wiċċ magħruf, l-immudellar invers jagħmel l-oppost: jistma l-mudell ta' taħt il-wiċċ minn dejta osservata. F'din l-unità, titgħallem kif l-intelliġenza artifiċjali (AI) tħaffef l-inverżjoni, tieħu sekondi minflok sigħat b'mudelli surrogati; iżda se naraw għaliex l-output AI qatt ma jista 'jinqara bħala "mudell wieħed veru" minħabba l-polisemija inerenti u l-ambigwità tal-inverżjoni.

Tensjoni fundamentali ta 'soluzzjoni inversa

L-inverżjoni mhix problema beninna; Hija problema ħażina: jista 'jkollha l-ebda soluzzjoni, jista' jkun hemm aktar minn waħda, jew ħoss żgħir fid-dejta jista 'jikkawża bidla kbira fil-mudell. Għalhekk, l-inverżjoni tibbilanċja żewġ forzi: id-dejta mhux adattata (kemm id-dejta prodotta mill-mudell hija qrib id-dejta osservata) u r-regolarizzazzjoni (iżżid restrizzjoni ta’ "plawżibbiltà" mal-mudell, eż. intoppi jew qrubija mal-mudell ta’ referenza). Wisq twaħħil tad-dejta jintroduċi wkoll storbju fil-mudell; regolarizzazzjoni wisq tħassar l-istruttura reali. L-issettjar ta 'dan il-bilanċ (eż. regolarizzazzjoni piż lambda) jaffettwa l-interpretazzjoni kollha.

Kif l-AI tħaffef l-inverżjoni?

L-inverżjoni klassika taġġorna l-mudell b'mod iterattiv billi timmudella 'l quddiem minn mijiet għal eluf ta' drabi; Fl-inverżjoni elettromanjetika 3D jew mewġa sħiħa dan jista 'jieħu sigħat għal jiem. L-AI taċċellera fi tliet modi:

  1. Mudell surrogat (surrogat/emulator): Tqassar iċ-ċiklu billi tapprossima l-kalkolu tqil 'il quddiem b'netwerk newrali veloċi mħarreġ minn qabel.
  2. Tgħallem minn qabel: L-użu ta' restrizzjoni ta' "plawżibilità" mitgħallma minn mudelli ġeoloġiċi realistiċi minflok regolarizzazzjoni.
  3. Inferenza diretta (minn tarf sa tarf): Tbassir istantaneju b'netwerks li jitgħallmu mapping dirett mid-dejta għall-mudell (eż. f'xi inverżjoni 1D).

Kull wieħed iżid il-veloċità, iżda kull wieħed jintroduċi riskju ġdid: il-mudell surrogat se jiżbalja barra mill-firxa tat-taħriġ; it-tagħlim minn qabel jista' jimponi l-ġeoloġija tas-sett ta' taħriġ fuq id-dejta (li jipproduċi struttura ineżistenti bħala "plawżibbli"); l-inferenza diretta tista’ tisvalorizza żżejjed il-fiduċja tagħha.

Tip: Qabel ma taċċetta r-riżultat ta 'inverżjoni aċċellerata bl-AI, poġġi l-mudell li jirriżulta permezz ta' mudellar attwali (fiżiku) 'l quddiem u qabbel id-dejta li tipproduċi mad-dejta osservata. Jekk soluzzjoni li l-mudell surrogat jgħid "taqbel" ma żżommx id-dejta osservata fil-fiżika reali, dik is-soluzzjoni hija invalida.

Inċertezza tal-kejl: distribuzzjoni, mhux mudell wieħed

L-output ta 'inverżjoni tajba mhix mudell wieħed, iżda familja ta' mudelli possibbli. Modi kif titkejjel l-inċertezza: ġirjiet multipli b’mudelli ta’ bidu differenti, piżijiet ta’ regolarizzazzjoni differenti, u approċċi probabilistiċi (eż. inverżjoni Bayesjana — approċċ li jagħti r-riżultat bħala distribuzzjoni ta’ probabbiltà; distribuzzjoni posterjuri). L-AI tista’ tħaffef it-teħid ta’ kampjuni ta’ din id-distribuzzjoni (eż., tiġġenera għadd kbir ta’ mudelli possibbli). L-għan mhuwiex li ngħidu "l-underground huwa hekk", iżda "l-underground huwa hekk f'din il-firxa u f'dawn ir-reġjuni b'din il-kunfidenza".

Attenzjoni: Iktar ma tidher mappa ta' inverżjoni "taqta u dettaljata", aktar tista' tkun dipendenti fuq id-deċiżjoni u l-premessa ta' regolarizzazzjoni. Sharpness mhix preċiżjoni. Iddistingwi liema reġjun tal-mudell huwa determinat mid-dejta u liema mill-preċedenti/regolarizzazzjoni (analiżi tar-riżoluzzjoni).

Riżoluzzjoni u sensittività

Mhux kull ċellula ta 'kull mudell ta' inverżjoni hija ugwalment affidabbli. Is-sensittività hija kemm tirreaġixxi d-dejta għal dak ir-reġjun tal-mudell; Reġjuni li d-data ma tistax "tara" (sensittività baxxa) huma kompletament mimlija mill-premessa u ma jġorrux informazzjoni reali. L-AI tista' taħbi din id-distinzjoni filwaqt li tipproduċi soluzzjonijiet ta' malajr. Għalhekk, trid tiġi inkluża mappa tar-riżoluzzjoni/sensittività ħdejn il-mudell li jirriżulta.

tliet każijiet żgħar

Każ 1 — Minn sigħat għal sekondi. Fi proġett magnetotelluric (MT — metodu ta 'kejl ta' reżistenza taħt l-art b'kamp elettromanjetiku naturali), il-ġirja ta 'inverżjoni 3D ħadet 9 sigħat. It-tim issostitwixxa l-kont bil-quddiem b'netwerk prokura, u naqqas l-iskannjar tax-xenarju għal minuti. Iżda reġgħu mexxew il-mudell finali b'fiżika reali u data kkonfermata tajbin; Huma kkoreġu manwalment reġjun profond fejn il-prokura kienet off bi 3%.

Każ 2 — Ġeoloġija imposta. Premessa mitgħallma minn baċiri tal-ġebel ramli ntużat f'qasam tal-karbonat, u l-inverżjoni pproduċiet struttura b'saffi bla xkiel, għalkemm id-dejta ma sostniehiex. Il-mappa tas-sentiment wriet li din l-istruttura kienet eżattament fir-reġjun fil-fond fejn id-dejta ma setgħetx tara: l-istruttura ġiet mill-premessa, mhux id-dejta. Meta l-premessa nbidlet, il-mudell sar realistiku.

Każ 3 — Fallacy ta 'sharpness. Żewġ timijiet solvuti b'lura l-istess data tal-gravità. Is-soluzzjoni b'regolarizzazzjoni baxxa ħarġet qawwija, is-soluzzjoni b'regolarizzazzjoni għolja ħarġet imqabbda; It-tnejn jaqblu mad-dejta bl-istess mod. Id-deċiżjoni kienet li taċċetta l-polisemija u tinkludi ż-żewġ mudelli fil-kalkolu tal-ġibjun; L-illokkjar f'mudell wieħed jaħbi r-riskju.

Erba' mudelli li jistgħu jiġu kkupjati

1) Konsultazzjoni ta 'installazzjoni ta' soluzzjoni inversa:

Ir-rwol tiegħek: speċjalista tat-treġġigħ lura. Problema: [1D/2D/3D, metodu: MT /sismika / gravità]. Spjega lili l-ħażin tal-pożizzjoni tas-soluzzjoni inversa; Kif nibbilanċja l-adattament tad-dejta u r-regolarizzazzjoni, b'liema kriterji (kurva L, validazzjoni inkroċjata) nagħżel il-piż tar-regolarizzazzjoni? Ikteb pass pass.

2) Verifika tal-mudell surrogat:

I accelerated forward modeling with an AI surrogate model. How do I determine the parameter range within which this proxy is reliable? How do I confirm the result with real physics, how do I capture the region where the proxy deviates? Issuġġerixxi protokoll ta' awtentikazzjoni.

3) Esplorazzjoni tal-inċertezza:

Is-soluzzjoni inversa tiegħi tat mudell wieħed. How do I use different starting models, different regularization weights, and probabilistic sampling to introduce uncertainty? How do I report the result as "family of models + confidence interval" instead of "single model"?

4) Separazzjoni tar-riżoluzzjoni:

I want to separate which region of my inversion model is determined by the data and which is determined by the premise/regularization. How do I set up sensitivity/resolution analysis and mark low sensitivity areas in the report?

Pront dgħajjef / Pront qawwi

Pront dgħajjef:

Reverse solve this data and give the underground model.

Mudell wieħed jistenna; It conceals ambiguity and ambiguity, resulting in a stark but untenable conclusion.

Pront qawwi:

Ir-rwol tiegħek: speċjalista tat-treġġigħ lura. Dejta: [profil tal-gravità + 2 densità tal-bir]. Task: (1) produce a reference model by balancing data fit-regularization; (2) vary the regularization weight to derive at least three alternative models and show that they all fit the data; (3) which region of each model is determined by the data and which by the premise. Do not present the result as a single correct model; Agħti b'firxa ta 'inċertezza.

The demand for alternative models, data fit, and resolution separation makes the inverse solution honest.

Approċċi ta 'inverżjoni

Approċċ

veloċità

Riskju ewlieni

verifika

Classic iterattiv

bil-mod

minimu lokali

bidu multiplu

mudell surrogat

malajr ħafna

devjazzjoni barra mill-firxa

Ikkonfermat mill-fiżika reali

premessa mgħallma

malajr

impożizzjoni tal-ġeoloġija

Mappa tas-sensittività

Bayesjan/probabilistiku

medju

Spiża tal-kont

Distribuzzjoni ta' wara

Żbalji komuni

  • Taħseb li l-uniku mudell huwa reali. Is-soluzzjoni inversa tagħmel ħafna sens; Iġġenera alternattivi.
  • Tadotta bl-addoċċ il-mudell surrogat. Do not finish without confirming the result with actual forward modeling.
  • Mhux jiddubitaw il-premessa. Il-premessa mgħallma tista' tipproduċi struttura li mhix sostnuta mid-dejta.
  • Żbalja Sharpness għall-eżattezza. Id-dettall jiddependi fuq id-deċiżjoni tar-regolarizzazzjoni.
  • Ħabi tar-riżoluzzjoni. Tippreżentax żoni ta' sensittività baxxa bħala informazzjoni fattwali.

Fil-qosor

L-inverżjoni hija l-pass ta 'tranżizzjoni fil-ġeofiżika mid-dejta għall-mudell, u hija intrinsikament problema ħażina u polisemika. AI; Mudelli surrogati jħaffu dan il-proċess b'mod drammatiku b'preċedenti mgħallma u inferenza diretta. Iżda kull aċċelerazzjoni ġġorr riskju ġdid: drift barra mill-firxa, ġeoloġija imposta, kunfidenza esaġerata. Użu korrett; jiġġeneraw mudelli alternattivi, jikkonfermaw bil-fiżika reali, jirrappurtaw l-inċertezza bħala distribuzzjoni, u jiżolaw ir-riżoluzzjoni. The output of the inverse solution is not a single truth but a family of confidently bounded models.

Kompitu ta' applikazzjoni

Agħżel problema ta 'inverżjoni (reżistività 1D, profil tal-gravità, eċċ.). Ippjana għall-kompromess bejn il-konformità u r-regolarizzazzjoni tad-dejta bil-mudell "Konsultazzjoni dwar is-settjar tas-soluzzjoni tat-treġġigħ lura". Imbagħad oħloq proċedura biex tiġġenera mill-inqas tliet mudelli alternattivi bil-mudell "Esplorazzjoni tal-inċertezza" u tqabbelhom mal-adattament mad-dejta. Ikteb kif tiddistingwi liema reġjun huwa determinat mid-dejta u liema huwa determinat mill-premessa.

lista ta' kontroll

  • [ ] Konxjament sibt il-bilanċ bejn il-konformità tad-dejta u r-regolarizzazzjoni.
  • [ ] Jien ipproduċejt mill-inqas tliet mudelli alternattivi u qabbilt il-qagħda tagħhom mad-dejta.
  • [ ] Ikkonfermajt l-aċċelerazzjoni Surrogate/AI bil-fiżika reali.
  • [ ] Urejt is-separazzjoni tad-data-premessa bil-mappa tar-riżoluzzjoni/sensittività.
  • [ ] Irrapportajt ir-riżultat bil-firxa tal-inċertezza, mhux mudell wieħed.