Wissenschaftsdisziplinen
Geowissenschaften (50%); Informatik (50%)
Keywords
AEROELECTROMAGNETICS,
NEURAL NETWORKS,
MIXTURE DENSITY NETWORKS,
1-D INVERSION
Abstract
Die Interpretation von aeroelektromagnetischen (AEM) Messungen mit mehreren Frequenzen unter Verwendung
von homogenen horizontal geschichteten Halbraummodellen mit bis zu drei Schichten ist eine sehr effiziente
Methode um Aussagen über den Aufbau der obersten 100m des Erduntergrundes zu treffen. Für die Beantwortung
von geologischen, geotechnischen, hydrogeologischen und bergbaulichen Fragestellungen wird mit einer
probabilistischen Beschreibung der in Frage kommenden Lösungsmodelle die Verläßlichkeit der Interpretation
verbessert.
Auf Grund von Meßungenauigkeiten und den physikalischen Beschränkungen des AEM Meßsystems ist die
Zuordnung eines Erduntergrundmodelles zu einem AEM Meßwert nicht eindeutig. Das heißt, es gibt mehrere
Modelle die demselben AEM Meßwert entsprechen.
Um die ganze in dem AEM Meßwert steckende Information über den geologischen Aufbau des Erduntergrundes
auszunutzen ist es notwendig eine Beschreibung der Unsicherheit in den Lösungsmodellen in die Beantwortung der
praktischen Fragestellung einfließen zu lassen.
Diese Unsicherheit, bzw. Unschärfe in der Bestimmung eines Lösungsmodelles wird im vorliegenden Fall durch
eine Wahrscheinlichkeitsdichtefunktion dargestellt. Diese Wahrscheinlichkeitsdichtefunktion beschreibt wie gut
jedes der zur Auswahl stehenden Modelle die AEM Meßwerte erklären kann. Die Ermittlung dieser
Wahrscheinlichkeitsdichtefunktion für jeden AEM Meßwert erfolgt mit Hilfe von Mixture Density Networks, einer
neueren Entwicklungen auf dem Gebiet der Neuralen Netze.
In einer weiteren Phase der Interpretation ist es dann möglich diese Wahrscheinlichkeiten mit bekannten
geologischen Daten oder Expertenmeinungen zu verknüpfen um so zu einem Modellvorschlag zu gelangen. Durch
diese Vorgehensweise wird die Wahrscheinlichkeit einer Fehlinterpretation verringert werden.
- GeoSphere Austria (GSA) - 100%