航空瞬變電磁(AEM)法對地形适應性強，采集效率高，是重要的淺地表勘探方法。黃清華教授課題組針對AEM數據反演時面臨的計算需求高和多解性等瓶頸問題，借鑒谷歌神經機器翻譯系統，利用優化的Long short-term memory (LSTM)網絡來構建考慮飛行高度變化的AEM信号與地下電阻率結構之間的映射關系，研發了一套基于深度學習的AEM數據反演高效算法。通過合成數據驗證了該算法在複雜電磁噪聲環境下的穩定性以及較強的克服局部最優解影響的能力。研究團隊還實現了大規模AEM觀測數據的反演，獲得了與實際資料吻合的淺地表電阻率結構，而計算耗時從數天壓縮至秒量級，顯著提升了數據反演效率。相關成果可望為AEM觀測的準實時成像提供方法支撐。                                              

該成果近期發表于Geophysical Research Letters。第一作者是吳思弘博士後。該研究受到國家自然科學基金創新研究群體項目資助。

Wu, S., Huang, Q., & Zhao, L. (2022). Instantaneous inversion of airborne electromagnetic data based on deep learning. Geophysical Research Letters, 49, e2021GL097165. https://doi.org/10.1029/2021GL097165