As an efficient geophysical exploration technique, airborne transient electromagnetics shows strong adaptability to complex terrains and can provide subsurface resistivity information rapidly with a dense spatial coverage. However, the huge volume of airborne transient electromagnetic data obtained from a large number of spatial locations presents a great challenge to real-time airborne transient electromagnetic interpretation due to the high computational cost. Moreover, the inherent non-uniqueness of the inverse problem also limits our ability to constrain the underground resistivity structure. In this study, we develop an entirely data-driven convolutional neural network to solve the airborne transient electromagnetic inverse problem. Synthetic tests show that the convolutional neural network is computationally efficient and yields robust results. Compared with the Gauss–Newton method, convolutional neural network inversion does not depend on the choices of an initial model and the regularization parameters and is less prone to getting trapped in a local minimum. We also demonstrate the general applicability of the convolutional neural network to three-dimensional synthetic airborne transient electromagnetic responses and the field observations acquired from Leach Lake Basin, Fort Irwin, California. The efficient convolutional neural network inversion framework can support real-time resistivity imaging of subsurface structures from airborne transient electromagnetic observations, providing a powerful tool for field explorations.

中文翻译：

---

机载瞬态电磁数据的卷积神经网络反演

机载瞬态电磁学作为一种高效的地球物理勘探技术，对复杂地形具有很强的适应性，可以快速提供地下电阻率信息，空间覆盖密集。然而，由于计算成本高，从大量空间位置获得的大量机载瞬态电磁数据对实时机载瞬态电磁解释提出了巨大挑战。此外，逆问题固有的非唯一性也限制了我们约束地下电阻率结构的能力。在这项研究中，我们开发了一个完全由数据驱动的卷积神经网络来解决机载瞬态电磁逆问题。综合测试表明，卷积神经网络在计算上是高效的，并且产生了稳健的结果。与高斯-牛顿法相比，卷积神经网络反演不依赖于初始模型和正则化参数的选择，更不容易陷入局部最小值。我们还展示了卷积神经网络对三维合成机载瞬态电磁响应的普遍适用性以及从加利福尼亚州欧文堡利奇湖盆地获得的现场观测。高效的卷积神经网络反演框架可以支持来自机载瞬态电磁观测的地下结构的实时电阻率成像，为野外勘探提供了强大的工具。卷积神经网络反演不依赖于初始模型和正则化参数的选择，并且不太容易陷入局部最小值。我们还展示了卷积神经网络对三维合成机载瞬态电磁响应的普遍适用性以及从加利福尼亚州欧文堡利奇湖盆地获得的现场观测。高效的卷积神经网络反演框架可以支持来自机载瞬态电磁观测的地下结构的实时电阻率成像，为野外勘探提供了强大的工具。卷积神经网络反演不依赖于初始模型和正则化参数的选择，并且不太容易陷入局部最小值。我们还展示了卷积神经网络对三维合成机载瞬态电磁响应的普遍适用性以及从加利福尼亚州欧文堡利奇湖盆地获得的现场观测。高效的卷积神经网络反演框架可以支持来自机载瞬态电磁观测的地下结构的实时电阻率成像，为野外勘探提供了强大的工具。我们还展示了卷积神经网络对三维合成机载瞬态电磁响应的普遍适用性以及从加利福尼亚州欧文堡利奇湖盆地获得的现场观测。高效的卷积神经网络反演框架可以支持来自机载瞬态电磁观测的地下结构的实时电阻率成像，为野外勘探提供了强大的工具。我们还展示了卷积神经网络对三维合成机载瞬态电磁响应的普遍适用性以及从加利福尼亚州欧文堡利奇湖盆地获得的现场观测。高效的卷积神经网络反演框架可以支持来自机载瞬态电磁观测的地下结构的实时电阻率成像，为野外勘探提供了强大的工具。