基于人工智能的地球物理反演教学方法探讨_孟庆生.pdf

教 海 探 新高 教 学 刊Journal of Higher Education2023 年 13 期基于人工智能的地球物理反演教学方法探讨孟庆生，樊玉清*，王秀海，刘涛（中国海洋大学 环境科学与工程学院，山东 青岛 266100）新工科教育是在新的历史环境下，基于国家战略发展新需求，提出更高层次的开放式工程教育新理念1-3。新工科相对于传统工科而言，更强调学科的实用性、交叉性与综合性。尤其注重信息、电子和软件设计等新技术与传统工业技术的紧密结合。目前，大数据、云计算、人工智能类、虚拟现实、地质、土木、建筑等大类均已列入新工科范畴4-5。以交叉与融合作为新工科创新人才的着力点，培养引领未来技术和产业发展的人才，已经成为全社会的共识6-7，这将有助于提高学生的综合素质，满足多元化的人才需求，提高就业渠道；有利于挖掘创新能力，培养创新型人才，推动科技创新进步；有助于创新教育理念科学研究理论的深入，正确回应新工科教育时代的呼唤。因此，面对新形势、新要求，高校教师积极探索多学科交叉融合培养模式，建立跨学科交融的新型组织机构，开设广泛覆盖的学科交叉融合课程，开展面向复杂工程的课程教学模式探索和实践，既可以提升高校的核心竞争力，也可为新工科相关专业人才培养建设提供参考。一问题提出目前我国大部分应用型本科高校遵从学科逻辑设置课程体系，一般都以单一学科建制为主，学科与学科之间缺少交叉与融合。我校环境科学与工程学院是一个以海洋环境、水土污染、地质环境等方面为特色的综合性理工科院系。海洋环境与工程地球物理类课程是我院环境地质工程专业学位研究生的特色核心专业课程，主要内容涵盖地球物理学、工程地质学 2 个独立学科的范畴，同时又需要较高的数学、物理学基础，因而是一门理论性、工程性和应用性极强的综合性课程。课程的宗旨是融入地球物理学中的无损探测手段，解决传统工程地质调查手段中难于开展或无法开展的勘探难题，从而有效揭示地质结构、构造和岩石的物理力学特性。在讲解各类探测方法的基本原理、仪器设备、野外数据采集方法和应用领域等章节时，因不涉及高深的理论知识，通过类比实例、产品展示、实地的实践操作等方法，学生很容易地掌握了相关的教学内容，同时表现出了浓厚的学习兴趣。但在讲授资料的数据处理环节遇到了很大的挑摘要：学科交叉融合已经成为现代科学与工程技术发展的重大趋势。该文以地球物理反演问题为例，针对环境地质工程专业研究生教学中存在的问题，将人工智能与深度学习技术引入其中，采用理论授课与实验教学相结合的手段，在达到教学目标的同时，也有效避开繁杂的数学物理方程讲解过程。相关教学方法成效显著，学生反映强烈，效果良好，对学生全方位、高素质培养起到积极的作用，也可为跨学科的相关专业教学提供借鉴作用。关键词：地球物理反演；深度学习；交叉融合；跨学科；人工智能中图分类号：G642文献标志码：A文章编号：2096-000X（2023）13-0113-04Abstract:Interdisciplinary integration has become a major trend in the development of modern science andengineeringtechnology.Taking geophysical inversion as an example,we focus on the problems existing in the teaching of graduate studentsmajoring in environmental geological engineering,and introduce the artificial intelligence and deep learning technology,and adopt themeans of combining theoretical teaching and experimental teaching,which not only achieves the teaching goal,but also effectivelyavoids the complicated explanation process of mathematical and physical equations.The relevant teaching method have achievedremarkable results,which are strongly reflected by students and have good results.The method has played a positive role in the all-round and high-quality cultivation of students,and also provide reference for interdisciplinary professional teaching.Keywords:geophysical inversion;deep learning;cross fusion;interdisciplinary;artificial intelligence基金项目：国家自然科学基金专项项目（科技活动项目）“科学传播类：基于 四位一体 的中小学实践型海洋环境科普育人模式初探”（42142041）；中国高等教育学会理科教育委员会研究课题资助项目“适应新时代需要的环境地球科学人才培养模式探索”（21ZSLKJYYB24）第一作者简介：孟庆生（1972-），男，汉族，山东武城人，博士，副教授，硕士研究生导师。研究方向为环境地质与地球物理学方面的教学和研究。*通信作者：樊玉清（1973-），女，汉族，吉林洮南人，硕士，高级实验师。研究方向为土壤污染与修复方面的教学和研究。DOI：10.19980/j.CN23-1593/G4.2023.13.027113-2023 年 13 期教 海 探 新高 教 学 刊Journal of Higher Education战。以地震勘探数据反演为例，反演的目的是从常规地震剖面中推演出地下地层的波阻抗、密度、速度、孔隙度、渗透率和压力等信息8。在科学研究和工程技术中，但凡涉及到观测与演绎的，都无法回避资料的反演问题9。一般反演方法的基本思路是先建立一个初始地层波阻抗模型，然后由此模型进行正演，求得地震合成记录，将合成地震记录与实际采集记录相比较，根据比较结果修改地下波阻抗模型的速度、密度、深度等，再正演计算合成地震记录，与实际采集记录进行比较，继续修改波阻抗模型，如此多次反复，直至合成的地震记录与实际地震记录最接近，最终得到地下波阻抗模型。其中，正演计算涉及到复杂的弹性波动力学方程，即地球物理学中的正演技术是以地球内部地震波传播满足的数学物理方程为基础；而在反复迭代的过程中，又需要根据误差累积状况，实时调整反演参数，以实现最小二乘意义，或者误差绝对值之和最小意义上的最佳逼近。如何调整参数，以及选择什么样的评价模型，又将涉及到应用数学的基础。上述两方面的知识对环境地质工程专业的学生来说，本科阶段所学的课程中都没有达到相应知识体系所要求的广度和深度。因理论深，内容抽象，从而导致学生不好理解，传统单调、填鸭式的教学方式令学生感到枯燥乏味。这不利于锻炼培养学生的科学思维能力并能主动发现和解决问题能力。因此，结合新工科创新教育理念，在满足专业培养目标前提下，融合多学科优势，探索新型课程教学模式势在必行。二基于人工智能的理论教学方法（一）人工智能与地球物理反演人工智能（Artificial Intelligence，简称 AI）最早诞生于 20 世纪 50 年代，属于信息科学与计算机技术交叉融合学科，其是研究、开发用于模拟、延伸和扩展人的智能的一门新的技术科学10-11。人工智能的简洁定义为“努力将通常由人类完成的智力任务自动化”，其是一个综合性的领域，不仅包括机器学习（如深度学习），还包括更多不涉及学习的方法12。21 世纪初，随着大数据、高性能计算和深度学习技术的快速迭代和进步，人工智能进入新一轮的发展热潮13。反演问题是地球物理、建筑、岩土工程等领域的常用称呼，是由结果及相关理论出发去确定表征问题特征的参数。目前的人工智能也是由大量数据及假设的模型，通过各种优化算法确定模型的参数，然后基于反演出的参数模型进行新的预测，因此，人工智能本身就是反演问题。经典的地球物理反演可划分为 3 部分：经过野外采集的原始地震记录，称之为“数据”；经典的正反演算法，称之为“规则”；经反演之后的地质结构或岩石物性剖面，称之为“答案”。依据这种定义，传统的地震数据反演流程可用图 1（a）表示。即人们以规则和需要根据这些规则进行处理的数据作为输入，然后通过经典的程序设计，最终获得这些数据中的预期答案，也就是反演成果。正像前文所述，这种规则可能是非常复杂的，甚至是一种非线性数学表达式。无论是规则的理解，还是程序设计上对学生都是一个挑战。从这一点上来说，人工智能不同于经典地球物理反演算法，其是将数据和预期答案作为输入，通过机器学习获得相应的规则，而这些规则可应用于新的前所未见的数据，进而通过计算机自主输出答案，如图 1（b）所示。也就是说，这种规则是训练出来的，而不是通过学习相关理论知识给出的，并不要求学生掌握复杂的数学物理方程。对于我院环境地质工程专业的学生来说，掌握地球物理探测技术能够在岩土工程勘查中发挥作用和提出解决问题方案是课程的核心目标之一，结合人工智能的地震数据反演教学既能使学生全面、系统地掌握探测方法，也能使学生通过变通的、容易理解的手段获得地下介质的地层结构和岩石特性的认识，从而很好地达到了教学目标，因而对于具有交叉学科性质、不同专业领域的学生来说是非常有价值的。（b）人工智能范式图1经典地球物理反演范式与人工智能范式（二）理论教学方法为了实现地球物理反演与人工智能的有机结合，课程中首先介绍实现人工智能的过程，而这种过程的引入又是非常简单明了的，仅仅需要一节课的时间。其中首要的是让学生明确我们有什么？期望得到什么？这也就是人工智能机器学习中的“输入”和“输出”。然后要让学生知道人工智能反演的基本流程。在地震勘探中，野外采集到的反射地震信号是一个非线性时间序列，这个时间信号序列受控于一定深度范围内的地质结构特征（深度、速度、密度等）14。如果能够数据经典程序设计答案规则（a）传统地震数据反演范式数据机器学习答案规则114-教 海 探 新高 教 学 刊Journal of Higher Education2023 年 13 期通过钻孔获得地质结构模型，就可以把时间信号序列和每一个地质结构模型一一对应形成的样本对作为机器学习的输入和输出；然后，利用人工智能机器学习方法，建立信号幅度（反射波振幅）与深度、速度等岩石物性参数间的非线性学习模型；再利用机器学习中的深度学习方法训练这个非线性模型，并借助已知的样本对（验证集）来衡量输出与预期值之间的差距，即验证模型的泛化能力15；最后，就可以将训练好的模型应用于新的前所未见的地震信号，以得到反演后的地质结构模型。在整个的讲授过程中，并没有出现复杂的数学推导，每一个观点、每一句话都通俗易懂，再加上人工智能方法的新颖性、过程的简洁性，很容易使学生产生浓厚的兴趣和好奇感。三基于人工智能的实践教学通过理论的讲解，学生基本掌握了人工智能地球物理反演的基本思路，课程中还设计了实验环节以增强学生的体验感和参与感。实验采用 Python 语言环境下的人工智能机器学习软件 TensorFlow，其是一款免费的基于数据流编程的符号数学系统，已被广泛应用于各类机器学习算法中，目前 TensorFlow 已经更新到第二代，即 TensorFlow 2。TensorFlow 可以安装在 PC 机上，易学易用，编程门槛低，使得普通学生也能够利用人工智能解决实际问题。实验步骤如下。1）首先学生需要准备机器学习的训练数据集和测试数据集。由于机器学习