AI新方法用1600张图像排序地质解释，误差从0.280降到0.197！
Generative inversion for early ranking of competing geologic interpretations
📖 AI 总结
该研究针对地下决策中数据稀缺、多种地质解释难以早期评估的问题，提出了一种生成式反演工作流。方法上，将竞争性地质解释转化为不同的空间先验，利用文本到图像基础模型为每种解释生成1600幅地质图像，并通过变分自编码器构建解释专属的潜空间表示；随后用监督反演网络将水头观测映射到该潜空间，经冻结解码器生成图像并转换为对数渗透率场，再通过稳态流动模拟预测水头，以预测与观测的偏差计算高斯型兼容性得分。在基于Johansen组的三类解释基准测试中，925个测试案例的平均水头均方根误差随解释一致性下降而由0.197升至0.227和0.280。应用于废物隔离试验厂的Culebra白云岩段两个已发表概念模型时，修订模型兼容性权重为0.991，原模型仅为0.009，与独立证据一致。该工作为早期筛选地质解释提供了可量化的客观手段。
🔑 关键词速览
| Generative inversion | 生成式反演，一种利用生成模型（如文本到图像模型）将观测数据映射到地质模型空间的反演方法。 |
| Spatial priors | 空间先验，指在地质建模中用于约束空间分布的先验知识或假设。 |
| Variational autoencoder (VAE) | 变分自编码器，一种生成模型，通过学习潜在空间表示来重建输入数据。 |
| Hydraulic-head observations | 水力水头观测，指在地下水流系统中测量的水头值，用于推断地质结构。 |
| Log-conductivity field | 对数导水系数场，导水系数的对数变换，常用于地下水流模拟中表示渗透性的空间分布。 |
📱 每天一份 AI 前沿日报
关注公众号，每天 09:00 推送 · 不错过任何重磅