Ограничения пространственной неопределённости снижают переобучение при геофизической инверсии потенциальных полей
Spatial uncertainty constraints reduce overfitting for potential field geophysical inversion
2026-04-09
SCID: 54.1/shkvj98h
Discuss with AI
интегрированное вложенное приближение ЛапласаTomofast-xснижение переобучениягеофизическая инверсия потенциальных полейограничения пространственной неопределённости
Figures from the paper
Abstract (AI)
Внутреннее строение Земли изучают с использованием геофизических данных, а инверсия представляет собой мощный математический метод, применяемый специалистами по разведке ресурсов для этой цели. Неоднозначность задачи означает, что бесконечное число петрофизических моделей может объяснять геофизические данные; поэтому для уменьшения пространства решений используют такие ограничения, как геологические модели и петрофизические данные. Подобно данным, эти ограничения подвержены шуму и погрешностям, вследствие чего неопределённость распространяется на итоговую модель, поскольку инверсия предназначена для поиска единственного «наилучшего» решения с использованием алгоритма и ограничений. В современной практике предполагается, что наилучшее решение находится посредством оптимизации наименьшего невязочного расхождения между данными и моделью; однако если данные неопределённы, то неопределённым и потенциально искажённым является также соответствие модели этим данным. Оптимизация невязки также означает, что инверсия подвержена переобучению. Переобучение возникает, когда модель достигает наименьших значений невязки, непреднамеренно подгоняясь под шум данных. Переобучение при инверсии возникает, когда модель имеет слишком много свободных параметров без ограничений, что приводит к появлению приповерхностных аномалий, которые могут быть ошибочно приняты за реальные объекты разведки, а не за артефакты модели. В работе описывается использование пространственной неопределённости, рассчитанной по геофизическим данным, для задания ограничений на свободные параметры с целью снижения переобучения при геофизической инверсии. Оценка пространственной неопределённости получена из геостатистической модели, рассчитанной с использованием метода Integrated Nested Laplace Approximation. Регион в районе Ист-Кимберли на севере Западной Австралии исследуется методом гравитационной инверсии с использованием Tomofast-x — платформы инверсии с открытым исходным кодом. Инверсия проводится в различных конфигурациях. Сначала она выполняется без ограничений пространственной неопределённости, как это принято в современной практике, а затем с такими ограничениями для оценки их влияния на получаемую петрофизическую модель. Геостатистический режи...
Key Findings
1
Гравитационная инверсия для района Ист-Кимберли на севере Западной Австралии выполняется в открытой платформе Tomofast-x с конфигурациями с ограничениями пространственной неопределённостью и без них.
2
Пространственная неопределённость, полученная из геофизических данных, предлагается как ограничение свободных параметров для уменьшения переобучения при инверсии потенциальных полей.
3
Оценки пространственной неопределённости получают из геостатистической модели, рассчитанной с использованием приближения интегрированного вложенного метода Лапласа (INLA).
4
Исследование учитывает неоднозначность и зашумлённость ограничений, проверяя, уменьшает ли пространственная неопределённость при инверсии поверхностные артефакты, которые могут ошибочно приниматься за цели разведки.
Research Object
геофизическая инверсия потенциальных полей для восстановления петрофизической структуры недр региона Ист-Кимберли
Research Subject
влияние ограничений пространственной неопределённости на переобучение инверсии и получаемую петрофизическую модель
Publication Details
Publication Date
2026-04-09
Journal
Publisher
ISSN
Cited by
2
Open access PDF
Access Type
Author Information
Download PDF
Subscribe to digest
Источники этой статьи в scid.ai3
GemPy 1.0: открытое стохастическое геологическое моделирование и инверсия2019
Байесовское объединение геологических и геофизических данных для построения трехмерных геологических моделей и количественной оценки их неопределенности2020
Интеграция геонаучной неопределённости в геофизическую инверсию посредством локальной градиентной регуляризации2019