瞬變電磁法（Transient Electromagnetics, TEM）是一種基于電磁感應定律的地球實體方法。傳統TEM觀測裝置均布設在地表上，工作效率相對較低，尤其在沙漠、戈壁、山地、濕地、水網密集區域難以快速開展工作。為此，将探測裝備搭載于飛行平台上，進而産生了航空瞬變電磁法（Airborne TEM, ATEM）。然而，相對于地面靜态觀測，由于觀測位置離地較遠，且觀測過程始終處于運動狀态，ATEM資料中的有用信号相對較弱，同時噪聲條件更加惡劣。目前一般的處理政策是建立一個包含多個步驟的處理流程，分步逐一處理某一種噪聲，整個過程對人員要求很高，且對最終處理結果中是否仍包含“剩餘噪聲”難以評估。然而即便如此，作為資料處理的下遊端，反演方法并沒有專門的機制能夠用于判斷其輸入資料中是否仍包含剩餘噪聲。是以，一旦資料處理流程存在缺陷，将勢必對反演所估計的電阻率模型可靠性産生嚴重影響。對這一問題進行研究，認為其原因在于：信噪分離（去噪）與信模映射（反演）在現有架構下彼此隔離。如果能将兩者間的壁壘打通，将有望提升模型估計的可靠性。
中國科學院地質與地球實體研究所礦産資源研究重點實驗室瞬變電磁研究團隊對信噪分離與信模映射之間的内在邏輯進行分析，提出一種數學假設，即：模型與信号均為某同一低維流形的具有不同次元的高維結構。這一數學假設成為打通信噪分離與信模映射之間壁壘的理論起點，在此基礎上，采用深度學習方法（如圖1），通過同時優化分别用于信噪分離和電阻率模型估計的網絡，使整個神經網絡可以同時進行傳統意義上的去噪和反演，進而由含噪資料一站式獲得更客觀、可靠的大地電阻率模型估計結果。
圖1 基于流形假設設計的網絡架構，其中dn、C、d和m分别表示有噪聲的輸入資料、中間結果、無噪聲資料和理論模型。該網絡結構包含兩條路徑，兩條路徑共享的節點C（中間結果）表示模型和資料的公共低維流形
目前，有多種網絡形式可實作上述架構設計，研究團隊采用棧式自編碼器（Stacked Auto-Encoder, SAE）神經網絡開展後續研究。SAE包含三個子網絡，子網絡1為一個去噪自編碼器，一個子網絡2為自編碼器，一個子網絡3為全連接配接網絡。在訓練的過程中，首先對三個子網絡進行逐個訓練，在均達到收斂後，對整個SAE網絡進行訓練（圖2）。
完成網絡訓練後，首先采用仿真資料（正演響應資料+實測ATEM噪聲資料）對網絡處理效果進行測試（圖3）。對比可見，藍色曲線對模型電阻率不連續界面拾取靈敏度更高，每一個不連續界面均得到了準确拾取，這是此方法的優勢；相比而言，盡管傳統方法分辨能力不足，尤其是對小梯度不連續界面拾取不佳（圖3b），但由于采用了平滑穩定泛函，整個曲線更加光滑。為此，研究團隊在子網絡3後增加了平滑處理器，進而能夠獲得更加平滑的輸出結果。
圖2 SAE神經網絡的基本設計。子網1是一個DAE，它實作了對有噪聲輸入資料的初級處理；子網絡2是一種AE，可以進一步提取輸入信号的深層特征；子網絡3将深層特征轉換為電阻率序列
圖3典型模型試驗的結果，其中黑線是設計模型，藍色曲線為SAE網絡輸出結果，為傳統資料處理-反演流程輸出結果。（a）三層模型；（b）四層模型；（c）五層模型
将上述網絡用于處理内蒙古桃合木蘇木同一段測線資料（圖4），通過對比可見，兩種方法得到基本相同的電阻率分布狀态，由于在子網絡3後增加了平滑期，使得新方法的結果整體平滑度也有了顯著提升。另一方面，新方法對近地表低阻層及其空間展布形态，以及對地下高阻層邊緣的刻畫分辨率能力更強，這一結論與模拟資料測試所得到的結論相同，展現出新方法在分辨能力上的優勢。
圖4 實測資料處理結果對比。（a） 傳統方法結果；（b） 新方法結果
美編：傅士旭
校對：覃華清 江淑敏