基于生成式频谱感应极化模型的岩石物性贝叶斯推断
摘要：机制诱导极化（IP）模型描述了地质材料的固有特性与频率相关的复杂电导率谱之间的关系。然而，由IP数据估计岩石物理性质的不确定性仍然不太清楚。因此，从业者很少使用机制模型来解释实际的IP数据。我们提出了一个框架，用于对任何IP模型的敏感性和参数估计限制进行评估。该框架包括一个条件变分自编码器（CVAE），这是一种无监督的贝叶斯神经网络，专门用于数据降维和生成建模。我们在电解质填充的宿主地质材料中合成的含金属矿物包裹体混合物的IP特征上训练CVAE，并描述了数据转换对模型的影响。首先，CVAE的雅可比矩阵揭示了每个岩石物理性质在生成光谱IP数据中的相对重要性。最关键的参数是宿主的电导率、包裹体的体积含量、包裹体的特征长度和宿主的介电常数。包裹体的扩散系数、介电常数和导电率以及宿主的扩散系数，在生成IP建模中只具有边缘重要性。参数估计实验得到了使用各种模型约束情景的岩石物理性质标准化准确性，并证实了敏感性分析结果。最后，我们可视化了数据转换和模型约束对岩石物理参数空间的影响。我们的结论是，常用的对数数据转换可以产生最佳的参数估计结果，并且约束地质材料的电化学特性可以改善其金属包裹体的特征长度估计，反之亦然。
作者：Charles L. B''erub''e and Fr''ed''erique Baron
论文ID：2208.00957
分类：Geophysics
分类简称：physics.geo-ph
提交时间：2022-08-02