Fast Bayesian Inversion of Geophysical Data

지구물리 자료의 고속 베이지안 역산

  • Oh, Seok-Hoon (Marine Meteorology and Earthquake Research Laboratory, Meteorological Research Institute) ;
  • Kwon, Byung-Doo (Department of Earth Science Education, Seoul National University) ;
  • Nam, Jae-Cheol (Marine Meteorology and Earthquake Research Laboratory, Meteorological Research Institute) ;
  • Kee, Duk-Kee (Marine Meteorology and Earthquake Research Laboratory, Meteorological Research Institute)
  • 오석훈 (기상연구소 해양기상지진연구실) ;
  • 권병두 (서울대학교 지구과학교육과) ;
  • 남재철 (기상연구소 해양기상지진연구실) ;
  • 이덕기 (기상연구소 해양기상지진연구실)
  • Published : 20000900

Abstract

Bayesian inversion is a stable approach to infer the subsurface structure with the limited data from geophysical explorations. In geophysical inverse process, due to the finite and discrete characteristics of field data and modeling process, some uncertainties are inherent and therefore probabilistic approach to the geophysical inversion is required. Bayesian framework provides theoretical base for the confidency and uncertainty analysis for the inference. However, most of the Bayesian inversion require the integration process of high dimension, so massive calculations like a Monte Carlo integration is demanded to solve it. This method, though, seemed suitable to apply to the geophysical problems which have the characteristics of highly non-linearity, we are faced to meet the promptness and convenience in field process. In this study, by the Gaussian approximation for the observed data and a priori information, fast Bayesian inversion scheme is developed and applied to the model problem with electric well logging and dipole-dipole resistivity data. Each covariance matrices are induced by geostatistical method and optimization technique resulted in maximum a posteriori information. Especially a priori information is evaluated by the cross-validation technique. And the uncertainty analysis was performed to interpret the resistivity structure by simulation of a posteriori covariance matrix.

베이지안 역산(Bayesian inversion)은 불충분한 자료를 가지고 지하구조를 추정해야 하는 지구물리자료의 해석에 있어서 안정적이고 신뢰를 줄 수 있는 방법 중의 하나이다. 관측 자료가 측정 과정부터 불확실성을 함유하고 있으며, 역산에 이용되는 이론 자료 또한 모델의 매개변수화에 따른 각종 불확실성을 포함하고 있다. 따라서 지구물리 자료의 역산은 확률적으로 접근하는 것이 가장 바람직하며 베이지안 역산은 이에 대한 처리뿐만 아니라, 추정에 대한 신뢰도와 불확실성에 대한 이론적 근거를 제공한다. 그러나 대부분의 베이지안 역산이 고차원의 적분을 필요로 하므로 몬테 카를로 방법과 같은 대규모의 계산이 요구되는 방법에 의해 사후 확률분포가 구해지는 경우가 많다. 이는 특히 지구물리 자료와 같이 고도의 비선형 자료에 대하여 매우 적합한 접근 방법이기는 하지만, 점차 현장화, 고속화되어가는 자료의 해석 경향에 맞추어 간략하게 사후 확률분포를 근사한 수 있는 기법의 연구 또한 필요하다. 따라서 이 연구에서는 관측자료와 사전 확률분포가 정규분포에 의해 근사 될 수 있는 지구물리자료에 대한 베이지안 역산에 대해 논의 하고자 한다. 사전 확률분포의 작성을 위해 지구통계학적 기법이 이용되었으며, 관측자료의 통계적 불화실성을 추정하기 위해 교차 검사(cross-validation) 방법을 이용하여 공분산(covariance)을 유도하고 그것에 의한 우도 함수(likelihood function)를 작성하였다. 베이지안 해석을 위해 두 확률분포를 곱하여 근사적인 사후 확률분포를 얻을 수 있었으며, 이에 대해 최적화(optimization) 기법을 이용하여 최대 사후 확률(Maximum a Posterior)을 따르는 지하 구조를 얻을 수 있었다. 또한 사후 확률 분포의 공분산 항을 이용하여 지하 비저항 구조를 시뮬레이션 하여 불확실성분석을 수행하였다.

Keywords

References

  1. Mathematical Geology v.19 The practice of Fast Conditional Simulations Through the LU decomposition of the covariance matrix Alabert, F.
  2. Maths. Comp v.19 A class of method for solving nonlinear simultaneous equations Broyden, C.G.
  3. Geophysics v.52 Occam's inversion: A practical algorithm for generating smooth models form electromagnetic sounding data Constable, S.C.;Parker, R.L.;Constable, C.G.
  4. Geophysics v.55 Robust elastic nonlinear waveform inversion: Application to real data Crase, E.;Pica, A.;Noble, M.;McDonald, J.;Tarantola, A.
  5. Mathematical Geology v.19 Production of conditional simulations via the LU triangular decomposition of the covariance matrix Davis, M.W.
  6. GSLIB: Geostatistical software library and user's guide Deutsch, C.V.;Journel, A.G.
  7. IEEE Transactions on pattern analysis and machine intelligence v.PAMI-6 Stochastic Relaxation, Gibbs distributions,and the Bayesian Restoration of Images Geman, S.;Geman, D.
  8. Geostatistics for Natural Resources Evaluation Goovaerts, P.
  9. Bayesian seismic waveform data inversion: Parameter estimation and uncertainty analysis Gouveia, W.P.
  10. An Introduction to Applied Geostatistics Isaaks, E.H.;Srivastava, R.M.
  11. Mining Geostatistics Journel, A.G.;Huijbregts, C.J.
  12. Geophys. J. R. astr. Soc. v.42 Joint inversion of geophysical data Vozoff, K.;Jupp, D.L.B.
  13. Linear differential operator Lanczos, C.
  14. Geophysical Prospecting v.32 Tutorial: A Review of Least-Squares Inversion and Its Application to Geophysical Problems Lines, L.R.;Treital, S.
  15. From Laplace to Supernova SN 1987A: Bayesian Inference in Astrophysics;Maximum Entropy and Bayesian Methods Loredo, T.J.;Fougere, P.F.(ed.)
  16. Monte Carlo sampling of solutions to inverse problem, 100 Mosegaard, K.;Tarantola, A.
  17. Geophysics v.52 Nonlinear two-dimensional elastic inversion of multi-offset seismic data Mora, P.
  18. Geophysical Inverse Theory Parker, R.L.
  19. Geophys. J. Int. v.138 Geophysical inversion with a neighbourhood algorithm-II. Appraising the ensemble Sambridge, M.
  20. Geophys. Jour. International v.108 Minimax confidence interval in geomagnetism Stark, P.B.
  21. Inverse problem theory: Methods for data fitting and model parameter estimation Tarantola, A.
  22. Markov Chain Monte Carlo in practice Gilks, W.R.;Richardson, S.;Spiegelhalter, D.J.
  23. 대한자원환경 지질학회지 v.31 제주도 만장굴에서의 복합지구물리 탐사 권병두;이희순;오석훈;이춘기
  24. 상반성 정리를 이용한 2차원 전기탐사자료의 역산 김정호
  25. 지구통계학적 방법에 의한 지구물리 자료의 베이지안 역산 오석훈
  26. 한국자원공학회지 v.34 Simulated Annealing을 이용한 전기탐사자료의 역산 오석훈;권병두
  27. 웨이블릿 영역에서의 근사적 민감도 갱신을 이용한 2차원 MT 신속역산 정호준