Titre | Preliminary development of a pseudo-3D MT inversion using deep learning and its application to the Mount Meager geothermal area, British Columbia |
| |
Auteur | Liu, X ; Craven, J
A; Tschirhart, V ; Hanneson, C; Unsworth, M; Grasby, S E |
Source | Geoconvention 2022, abstracts; 2022 p. 1-5 Accès
ouvert |
Liens | Online - En ligne
|
Image |  |
Année | 2022 |
Séries alt. | Ressources naturelles Canada, Contribution externe 20210702 |
Éditeur | Geoconvention Partnership |
Réunion | GeoConvention 2022; Calgary, AB; CA; juin 20-22, 2022 |
Document | site Web |
Lang. | anglais |
Media | papier; en ligne; numérique |
Formats | pdf |
Province | Colombie-Britannique |
SNRC | 92J/05; 92J/06; 92J/11; 92J/12; 92J/13; 92J/14 |
Région | Mount Meager |
Lat/Long OENS | -123.7442 -123.2817 50.7517 50.4839 |
Sujets | ressources énergétiques; énergie géothermique; levés géophysiques; levés magnétotelluriques; interprétations géophysiques; interprétations magnétotelluriques; résistivité; établissement de modèles;
volcanisme; volcans; magmas; Complexe de Mount Meager Volcanic ; Intelligence artificielle; Méthodologie; géophysique; Sciences et technologie; Nature et environnement |
Illustrations | organigrammes; modèles 3D; graphiques; cartes de localisation; profils géophysiques |
Programme | Géosciences de l'énergie La coordination du programme |
Diffusé | 2022 06 01 |
Résumé | (Sommaire) L'inversion des données magnétotelluriques (MT) est le processus utilisé pour déterminer la structure de résistivité souterraine à partir d'un ensemble d'observations de surface. Le
temps de calcul pour exécuter des inversions MT 3D est très long, et même avec un calcul haute performance (HPC). Ces dernières années, une technique alternative utilisant les réseaux de neurones artificiels a émergé pour déterminer les propriétés
physiques de la subsurface à partir des données géophysiques de surface, ce qui a amélioré l'efficacité de l'inversion. Sur la base des recherches précédentes, nous proposons un algorithme d'inversion pseudo-3D dans le cadre d'un réseau de neurones
convolutifs (CNN) pour générer un modèle de distribution de la résistivité du sous-sol à partir de la réponse MT en moins de temps que l'inversion géophysique conventionnelle. La sensibilité de la réponse MT à un conducteur à différents endroits a
été comparée, et a montré que la réponse diminue avec la distance, ce qui implique que l'algorithme ne doit résoudre que les cellules du modèle suffisamment proches des sites MT. La fiabilité du modèle de réseau neuronal validé a été testée avec un
modèle de conducteur unique. L'application à un ensemble de données MT du monde réel provenant de la zone volcanique du Mont Meager montre des profils et des emplacements de conducteurs cohérents, qui peuvent être associés à un corps
magmatique. |
Sommaire | (Résumé en langage clair et simple, non publié) La méthode magnétotellurique (MT) est une technique de sondage géophysique électromagnétique de source naturelle pour l'exploration des
ressources naturelles. Le temps de calcul pour exécuter des inversions MT tridimensionnelles est énorme. Dans cette étude, une technique alternative utilisant des réseaux neuronaux artificiels a été employée pour prédire les propriétés physiques de
la subsurface. En se basant sur les recherches précédentes, nous proposons un algorithme d'inversion pseudo-3D dans le cadre d'un réseau de neurones convolutifs (CNN) pour générer un modèle de distribution de la résistivité de la subsurface à partir
de la réponse MT en moins de temps que l'inversion géophysique conventionnelle. La fiabilité du modèle de réseau validé a été testée avec un modèle synthétique à conducteur unique. L'application à un ensemble de données MT du monde réel provenant de
la zone volcanique du Mont Meager montre des profils et des emplacements de conducteurs cohérents, qui peuvent être associés à un corps magmatique. |
GEOSCAN ID | 329724 |
|
|