심층 신경망(DNN)은 최근 주파수 영역 전자기(EM) 데이터를 해석하는 데 사용되어 왔으며, 따라서 방대한 양의 정보를 신속하게 해석할 수 있다. 그러나 산악 지역을 포함하는 항공 탐사에서는 심각한 지형 변화가 EM 데이터를 왜곡하며, 이는 비합리적인 해석으로 이어질 수 있다. 지형 변화의 영향을 감소시키는 DNN 기반 역산은 아직 제안되지 않았지만, 일부 기존 역산 기법은 지형 왜곡을 보정할 수 있다. DNN 기반 해석은 다양한 학습 데이터셋이 필요하고 그 성능이 학습 데이터셋의 특성에 의존하므로, 다양한 AEM 데이터와 비저항 모델의 쌍을 생성하는 것이 중요하다. 그러나 다양한 지형 패턴을 통합한 2차원(2D) 또는 3차원(3D) 비저항 모델의 EM 반응을 도출하는 것은 거의 불가능한데, 이러한 모델은 많은 변수를 필요로 하고 계산 비용이 제한되어 있기 때문이다. 따라서 우리는 EM 반응과 세 개의 인접 데이터 포인트에서의 지형 정보를 사용하여 지형 변화를 고려할 수 있는 EM 데이터의 의사 1D 해석을 제안하였다. 우리는 데이터 포인트 사이의 경사각으로서 지형 정보를 DNN 학습에 포함하였다. 기존 역산과 비교할 때, 학습된 DNN 모델은 합성 비저항 모델을 보다 합리적으로 복원하였다. 또한 학습된 DNN 모델을 이용하여 알래스카 남중부의 실제 AEM 데이터셋을 평가하였다. 학습된 DNN은 거친 지형을 가진 산악 지역에서 획득된 데이터임에도 불구하고 합리적인 해석 결과를 제공하였다. 더불어 학습된 DNN 모델은 예측을 신속하게 수행할 수 있으므로 해석 시간은 현저하게 감소하였다. 본 연구는 AEM 탐사의 실무 현장 적용성을 높일 수 있을 것으로 믿는다.

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