航空瞬变电磁(AEM)法对地形适应性强，采集效率高，是重要的浅地表勘探方法。黄清华教授课题组针对AEM数据反演时面临的计算需求高和多解性等瓶颈问题，借鉴谷歌神经机器翻译系统，利用优化的Long short-term memory (LSTM)网络来构建考虑飞行高度变化的AEM信号与地下电阻率结构之间的映射关系，研发了一套基于深度学习的AEM数据反演高效算法。通过合成数据验证了该算法在复杂电磁噪声环境下的稳定性以及较强的克服局部最优解影响的能力。研究团队还实现了大规模AEM观测数据的反演，获得了与实际资料吻合的浅地表电阻率结构，而计算耗时从数天压缩至秒量级，显著提升了数据反演效率。相关成果可望为AEM观测的准实时成像提供方法支撑。                                              

该成果近期发表于Geophysical Research Letters。第一作者是吴思弘博士后。该研究受到国家自然科学基金创新研究群体项目资助。

Wu, S., Huang, Q., & Zhao, L. (2022). Instantaneous inversion of airborne electromagnetic data based on deep learning. Geophysical Research Letters, 49, e2021GL097165. https://doi.org/10.1029/2021GL097165