熱力学と触媒のジャーナル
オープンアクセス

概要

ディープニューラルネットワークアプローチによる重力データを用いた堆積盆地の基盤地形の解明

チャンドラ プラカシュ ダベイ*、マドゥスリー マジ、ラクシュミ パンディー

地殻の沈下により、堆積物は堆積盆地の形で火成岩と変成岩の基盤の上に蓄積することができました。これらの堆積物と付随する流体は、時間の経過とともに圧縮や加熱などのいくつかの物理的イベントを通じて化学的および機械的に変化します。その結果、石油、天然ガス、石炭、地熱エネルギー、ウランなどのエネルギー資源の貯蔵庫になります。それらの生成、発達、消失は、プレートテクトニクスの動きやその他の重要な地質学的イベントに直接関係しており、進化の歴史を理解する上で重要です。したがって、基盤の起伏の観点から堆積物の厚さを評価し、堆積環境と盆地形成要因を明らかにすることは非常に重要です。ここでは、深さによる密度の変化を考慮して堆積盆地の深さを取得する MATLAB ベースの人工ニューラル ネットワーク アプローチを開発しました。この研究では、最初に 2D 直方体プリズムを使用して合成モデルを作成し、その後、モデルに 5% のガウス白色ノイズをかけて摂動を加えます。教師あり学習プロセスを使用してニューラル ネットワークをトレーニングし、確率的勾配降下法によるバックプロパゲーションを使用してネットワーク出力を最適化します。次に、プリズム モデルを使用して合成堆積盆地を作成し、計算された重力データセットを使用して、既知の密度コントラストを持つ深度プロファイルを決定します。さまざまな合成モデルに対してこの最適化を確認した後、この手法をメキシコの Sayula 盆地から取得した実際のデータに適用し、その結果を以前の基盤深度と比較して有効性を検証します。提案されたニューラル ネットワーク アプローチの新規性は、初期モデル仮定なしで高速かつ効率的に計算できるため、複雑な入力出力関係を非常に効率的にマッピングできることです。このセグメントでは、他の最適化プロセスが欠けています。