وارون‌‌سازی داده‌های مغناطیس با استفاده از روش یادگیری عمیق

هوش مصنوعی جدیدترین رویکرد در وارون‌سازی داده‌های ژئوفیزیکی است که از آن در برآورد ابعاد آنومالی‌های توده‌ای و تعین عمق و هندسه سنگ بستر حوضه‌های رسوبی استفاده می‌شود. در این روش ارتباط بین فضای داده و مدل با استفاده از الگوریتم‎های یادگیری عمیق تعیین می‌شود. برای این منظور بعد از طراحی مدل یادگیری، این مدل را آموزش می‌دهند. برای آموزش مدل به تعداد زیادی داده مصنوعی نیاز است. سرانجام از مدل آموزش دیده شده برای پیش‌بینی داده واقعی استفاده می‌شود. در این پژوهش از روش یادگیری عمیق (deep neural network) برای وارون‌سازی داده‌های مغناطیس استفاده شده است. برای آموزش شبکه 200 هزار مدل مصنوعی تولید شد. پس از آموزش مدل dnn از آن برای پیش‌بینی عمق سنگ بستر یک پروفیل در داده بیشاپ استفاده شد که نتایج آن قابل قبول بوده است همچنین از این مدل برای پیش‌بینی عمق حوزه رسوبی واقع در حوزه ایران مرکزی استفاده شده که نتایج با تفسیر لرزه‌ای همخوان بوده است.