Imágenes rápidas de datos electromagnéticos (EM) en el dominio del tiempo utilizando tecnología de aprendizaje profundo

Debido a la gran cantidad de datos generados por los sistemas electromagnéticos aéreos (AEM) en el dominio del tiempo, se utilizan ampliamente métodos de imagenología de profundidad de conductividad para ayudar en la interpretación de estos datos porque se pueden generar rápida y fácilmente. Hemos introducido un nuevo método de imagenología generado usando una red neuronal profunda. La estructura de la red combina cuatro redes neuronales convolucionales con una técnica de memoria a corto y largo plazo y adopta un esquema de retropropagación de errores para actualizar los parámetros. Se utiliza una estructura jerárquica profunda para extraer y almacenar la compleja relación no lineal entre el modelo y las respuestas electromagnéticas (EM), creando resultados cercanos a inversiones 1D. Para verificar la efectividad, hemos examinado nuestro algoritmo en datos AEM sintéticos y de encuestas. El resultado de la imagenología muestra que este método, al usar parámetros de red razonables, no solo puede generar imágenes de alta calidad a alta velocidad, sino que el método también es poco sensible al ruido. Otra ventaja de este método es que una vez completada la capacitación en un conjunto de entrenamiento bien distribuido, la red se puede utilizar sin cambios para procesar otros conjuntos de datos de un sistema AEM configurado de manera idéntica.