Добици:
- Разумети лоше постављену и полисемичну природу инверзије и равнотежу између уклапања података и регуларизације.
- Способност да се потврди убрзање вештачке интелигенције (сурогат модел, претходно научен) са правим напредним моделирањем и препозна наметнуту геологију
- Способност да се резултат пријави као дистрибуција несигурности, а не као један модел и покаже резолуцију/осетљивост и одвајање података од премиса
Најдубље питање у геофизици је: који подземни модел производи податке које мерим на површини? Одговор на ово питање назива се инверзија. Док напредно моделирање израчунава очекиване податке из познатог подземног модела, инверзно моделирање ради супротно: процењује подземни модел на основу посматраних података. У овој јединици ћете научити како вештачка интелигенција (АИ) убрзава инверзију, узимајући секунде уместо сати са сурогат моделима; али видећемо зашто се АИ излаз никада не може читати као „један прави модел“ због инхерентне полисемије и двосмислености инверзије.
Фундаментална напетост инверзног решења
Инверзија није бенигни проблем; То је погрешно постављен проблем: можда нема решење, може бити више од једног или мали шум у подацима може изазвати велику промену у моделу. Према томе, инверзија балансира две силе: неслагање података (колико су подаци произведени моделом блиски посматраним подацима) и регуларизацију (додавање ограничења „вероватности“ моделу, нпр. глаткоћа или блискост референтном моделу). Превише уклапања података такође уноси буку у модел; превелика регуларизација брише стварну структуру. Подешавање ове равнотеже (нпр. ламбда тежине регуларизације) утиче на целокупну интерпретацију.
Како АИ убрзава инверзију?
Класична инверзија ажурира модел итеративно покрећући моделовање унапред стотине до хиљаде пута; У 3Д електромагнетној или потпуној инверзији таласног облика ово може потрајати сатима до данима. АИ убрзава на три начина:
- Сурогат модел (сурогат/емулатор): Скраћивање циклуса апроксимацијом тешког унапред израчунавања брзом унапред обученом неуронском мрежом.
- Научено раније: Коришћење ограничења „вероватности“ наученог из реалних геолошких модела уместо регуларизације.
- Директно закључивање (од краја до краја): Тренутно предвиђање са мрежама које уче директно мапирање од података до модела (нпр. у неким 1Д инверзијама).
Сваки додаје брзину, али сваки уводи нови ризик: сурогат модел ће погрешити изван опсега тренинга; научени претходник може наметнути геологију скупа за обуку подацима (производећи непостојећу структуру као „вероватну“); директно закључивање може прецијенити његово повјерење.
Савет: Пре него што прихватите резултат инверзије убрзане вештачком интелигенцијом, ставите резултујући модел кроз стварно (физичко) напредно моделирање и упоредите податке које производи са посматраним подацима. Ако решење за које сурогат модел каже да "одговара" не садржи податке уочене у стварној физици, то решење је неважеће.
Мерење несигурности: дистрибуција, а не појединачни модел
Резултат добре инверзије није један модел, већ породица могућих модела. Начини мерења неизвесности: вишеструка серија са различитим почетним моделима, различитим тежинама регуларизације и вероватноћастим приступима (нпр. Бајесова инверзија — приступ који даје резултат као дистрибуцију вероватноће; постериорна дистрибуција). АИ може убрзати узорковање ове дистрибуције (нпр. генерисање великог броја могућих модела). Циљ није да се каже „подземље је овакво“, већ „подземље је овакво у овом домету и на овим просторима са овим самопоуздањем“.
Опрез: Што је мапа инверзије „оштрија и детаљнија“, то више зависи од одлуке о регуларизацији и премисе. Оштрина није тачност. Разликовати који регион модела је одређен подацима, а који претходном/регуларизацијом (анализа резолуције).
Резолуција и осетљивост
Није свака ћелија сваког модела инверзије подједнако поуздана. Осетљивост је колико су подаци осетљиви на ту област модела; Региони које подаци не могу да „виде“ (ниска осетљивост) су у потпуности испуњени премисом и не носе стварне информације. АИ може да прикрије ову разлику док производи брза решења. Према томе, поред резултујућег модела мора бити укључена мапа резолуције/осетљивости.
три мини кофера
Случај 1 — Од сати до секунди. У магнетотелурском пројекту (МТ — метода мерења подземне отпорности природним електромагнетним пољем), 3Д инверзија је трајала 9 сати. Тим је заменио налог за прослеђивање прокси мрежом, смањујући скенирање сценарија на минуте. Али они су поново покренули коначни модел са стварном физиком и потврђеним подацима; Ручно су исправили дубоки регион где је прокси искључен за 3%.
Случај 2 — Наметнута геологија. Премиса научена из басена пешчара коришћена је у карбонатном пољу, а инверзија је произвела глатку слојевиту структуру, иако подаци то нису подржавали. Мапа осећања је показала да се ова структура налази управо у дубоком региону где подаци нису могли да се виде: структура је произашла из премисе, а не из података. Када је премиса промењена, модел је постао реалан.
Случај 3 — Погрешка оштрине. Два тима су обрнуто решила исте податке о гравитацији. Решење са ниском регуларизацијом је испало оштро, решење са високом регуларизацијом је испало назубљено; Оба се подједнако уклапају у податке. Одлука је била да се прихвати полисемија и да се оба модела укључе у прорачун резервоара; Закључавање једног модела би сакрило ризик.
Четири шаблона за копирање
1) Консултације о инсталацији обрнутог решења:
Ваша улога: специјалиста за преокрет. Проблем: [1Д/2Д/3Д, метода: МТ /сеизмичка / гравитација]. Објасни ми неисправност инверзног решења; Како да уравнотежим уклапање података и регуларизацију, према којим критеријумима (Л-крива, унакрсна валидација) бирам тежину регуларизације? Пишите корак по корак.
2) Верификација сурогат модела:
Убрзао сам напредно моделирање помоћу АИ сурогат модела. Како да одредим опсег параметара у оквиру којег је овај прокси поуздан? Како да потврдим резултат стварном физиком, како да ухватим регион где прокси одступа? Предложите протокол за аутентификацију.
3) Истраживање несигурности:
Моје инверзно решење је дало један образац. Како да користим различите почетне моделе, различите тежине регуларизације и пробабилистичко узорковање да уведем несигурност? Како да пријавим резултат као „породица модела + интервал поверења“ уместо „један модел“?
4) Раздвајање резолуције:
Желим да одвојим који регион мог модела инверзије је одређен подацима, а који је одређен премисом/регуларизацијом. Како да подесим анализу осетљивости/резолуције и означим области ниске осетљивости у извештају?
Слаби промпт / Јаки промпт
Слабо обавештење:
Реверс реши ове податке и дај подземни модел.
Један модел чека; Она прикрива двосмисленост и двосмисленост, што резултира оштрим, али неодрживим закључком.
Снажан упит:
Ваша улога: специјалиста за преокрет. Подаци: [гравитациони профил + густина 2 бунара]. Задатак: (1) произвести референтни модел балансирањем фит-регуларизације података; (2) варирају тежину регуларизације да би се извела најмање три алтернативна модела и показала да сви одговарају подацима; (3) који регион сваког модела је одређен подацима, а који премиса. Не представљајте резултат као један исправан модел; Дајте са опсегом несигурности.
Потреба за алтернативним моделима, уклапањем података и раздвајањем резолуције чини инверзно решење поштеним.
Инверзиони приступи
Приступ
брзина
Главни ризик
верификација
Класична итерација
споро
локални минимум
вишеструки почетак
сурогат модел
веома брзо
одступање ван опсега
Потврђено стварном физиком
научена премиса
брзо
наметање геологије
Мапа осетљивости
Бајесовски/вероватни
средње
Трошкови рачуна
Постериорна дистрибуција
Уобичајене грешке
- Мислећи да је једини модел стваран. Инверзно решење има много смисла; Генеришите алтернативе.
- Слепо усвајање сурогат модела. Немојте завршити без потврђивања резултата стварним напредним моделирањем.
- Не доводи у питање премису. Научена премиса може произвести структуру која није подржана подацима.
- Погрешили смо оштрину са прецизношћу. Детаљи зависе од одлуке о регулисању.
- Сакривање резолуције. Не представљајте области ниске осетљивости као чињеничне информације.
Укратко
Инверзија је прелазни корак у геофизици са података на модел, и инхерентно је погрешно постављен, полисемичан проблем. АИ; Сурогатни модели драматично убрзавају овај процес са наученим претходнима и директним закључивањем. Али свако убрзање носи нови ризик: заношење ван домета, наметнута геологија, претерано самопоуздање. Правилна употреба; генерисање алтернативних модела, потврђивање реалном физиком, извештавање о неизвесности као дистрибуцији и изоловање резолуције. Излаз инверзног решења није једна истина, већ породица поуздано ограничених модела.
Задатак апликације
Изаберите проблем инверзије (1Д отпорност, гравитациони профил, итд.). Планирајте компромис усаглашености података и регулисања са шаблоном „Консултације о постављању решења за преокрет“. Затим креирајте процедуру за генерисање најмање три алтернативна модела са шаблоном „Истраживање несигурности“ и њихово поређење са уклапањем у податке. Напишите како бисте разликовали који регион је одређен подацима, а који је одређен премисом.
контролна листа
- [ ] Свесно сам успоставио равнотежу између усклађености података и регуларизације.
- [ ] Направио сам најмање три алтернативна модела и упоредио њихову усклађеност са подацима.
- [ ] Потврдио сам Сурогате/АИ убрзање са стварном физиком.
- [ ] Показао сам раздвајање података и премиса са мапом резолуције/осетљивости.
- [ ] Пријавио сам резултат са опсегом несигурности, а не са једним моделом.