Inversion géophysique avec un algorithme de voisinage—II. Évaluation de l'ensemble

Résumé Les méthodes de recherche directe de Monte Carlo, telles que les algorithmes génétiques, le recuit simulé, etc., sont souvent utilisées pour explorer un espace de paramètres de dimension finie. Elles nécessitent la résolution du problème direct de nombreuses fois, c'est-à-dire, faire des prévisions d'observables à partir d'un modèle terrestre. L'ensemble résultant des modèles terrestres représente toutes les 'informations' collectées dans le processus de recherche. Les techniques de recherche ont fait l'objet de nombreuses études en géophysique ; moins d'attention est accordée à l'évaluation de l'ensemble. Souvent, les inférences sont basées sur seulement un petit sous-ensemble de l'ensemble, et parfois sur un seul membre. Cet article présente une nouvelle approche au problème d'évaluation. À notre connaissance, c'est la première fois que le cas général est abordé, c'est-à-dire, comment inférer des informations à partir d'un ensemble complet, précédemment généré par n'importe quelle méthode de recherche. L'essence de la nouvelle approche est d'utiliser les informations dans l'ensemble disponible pour guider un rééchantillonnage de l'espace des paramètres. Cela ne nécessite pas davantage de résolution du problème direct, mais à partir du nouvel 'ensemble rééchantillonné', nous sommes capables d'obtenir des mesures de résolution et de compromis dans les paramètres du modèle, ou toute combinaison de ceux-ci. Le nouvel algorithme d'inférence d'ensemble est illustré sur un problème d'inversion de forme d'onde hautement non linéaire. Il est montré comment le temps de calcul et les exigences mémoires évoluent avec la dimension de l'espace des paramètres et la taille de l'ensemble. La méthode est hautement parallèle et peut facilement être distribuée sur plusieurs ordinateurs. Comme peu d'hypothèses sont faites sur l'ensemble initial des modèles terrestres, la technique est applicable à une grande variété de situations. Par exemple, elle peut être appliquée pour effectuer une 'analyse d'erreur' en utilisant l'ensemble généré par un algorithme génétique ou toute autre méthode de recherche directe.