인공 구조물인 댐과 제방(둑)의 평가는 재산과 인명 보호를 위해 필수적이다. 따라서 이러한 기반 시설에 대해 정기적이고 정확한 지구물리학적 모니터링이 널리 수행되고 있다. 그러나 지구물리학적 자료 역산에 통상 사용되는 반복적인 수치 절차는, 특히 자원이 제한된 현장 조사에서 계산 비용이 급격히 증가할 수 있다. 최근 기계학습의 발전, 특히 심층 신경망(DNNs)은 네트워크 학습이 완료된 이후 지하 이미지를 생성하는 데 필요한 시간을 크게 줄여주는 대안으로 제시된다. 본 연구에서는 주파수 영역 전자기(EM) 탐사(FDEM) 자료를 위한 DNN 기반 해석 방법을 개발하였다. 제안 방법은 지하의 역산 영상을 생성하는 것에 더해, 예측된 전자기(EM) 응답을 원 입력 자료와 비교함으로써 불확실성도 추정한다. 또한 기존의 전통적 네트워크 구조에서의 핵심적인 함정을 강조한다. 즉, 자료 예측기를 모델 예측기와 함께 공동으로 처음부터 학습하면 입력 자료를 그대로 재현할 수 있으며, 그 결과 모든 역산이 매우 정확하다는 오해를 불러일으킬 수 있다. 이를 해결하기 위해, 사전 학습된 자료 예측기의 가중치를 고정하는 전이학습 기반 학습 절차를 개발하였다. 이를 통해 예측된 EM 응답이 입력 자료를 재생산하는 것이 아니라, 역산된 지하 모델을 실제로 반영하도록 보장한다. 우리는 본 방법을 대한민국의 새만금 방조제에서 수집한 FDEM 자료를 사용하여 검증하였으며, DNN 역산 결과를 기존의 역산 방법과 비교하였다. 제안 기법은 방조제에서의 잠재적 위험을 성공적으로 탐지하는 동시에, 해석 결과의 신뢰성을 위한 실용적인 척도도 제공한다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.