地质学与地球物理学杂志
开放获取

抽象的

利用深度神经网络方法的重力数据研究沉积盆地的地势

钱德拉·普拉卡什·杜贝*、Madhusree Majhi、拉克西米·潘迪

地壳沉降使沉积物堆积在火成岩和变质岩基底的顶部，形成沉积盆地。这些沉积物和相关流体通过压实和加热等多种物理事件在一段时间内发生化学和机械转变。因此，它成为石油、天然气、煤炭、地热能、铀等能源资源的储藏库。它们的产生、发展和消失与板块构造运动等重要地质事件直接相关，以了解其演化历史。因此，从基底起伏的角度评价沉积物的厚度以突出沉积环境和盆地形成因素至关重要。这里，我们开发了一种基于 MATLAB 的人工神经网络方法，考虑密度随深度的变化来获取沉积盆地的深度。在这项工作中，首先使用 2D 直角棱镜创建合成模型，然后使用 5% 高斯白噪声对该模型进行扰动。使用监督学习过程来训练神经网络，并使用随机梯度下降技术的反向传播来优化网络输出。然后使用棱镜模型创建合成沉积盆地，以使用计算的重力数据集确定具有已知密度对比的深度剖面。在检查了各种合成模型的优化后，该技术用于从墨西哥萨尤拉盆地获取的真实数据，并将结果与​​之前的基底深度进行比较，以验证其有效性。