基於深度學習模型之地電阻影像反算技術研究

專案詳細資料

Description

地電阻影像剖面法常被應用於工程地質與水文地質等領域的議題研究中,是最廣受採用的工程地球物理技術之一。本團隊過去五年間建立的人工與天然電場監測系統,擁有在短時間內可收集大量電位資料,並經由網路即時回傳至研究室雲端硬碟的功能,將傳統地電阻調查工具擴大、延伸成高效能之監測成像技術,以便達成對地層電阻率構造的即時時變掃描工作。透過即時接收大量大地電位資料,研究者不必再頻繁奔走於野外場址與研究室兩地,乃可專注在電阻率影像的解算工作上。然而,伴隨持續回傳的大批電位資料,也同時彰顯了傳統反演解算流程的限制。一來大量的資料造成傳統反算在計算記憶體資源上的負擔,二來密集的電場掃描結果也要求反算速度的提升。本計畫乃提議導入深度學習網路,用以輔助傳統之反演解算流程,希冀此整合流程可以提供更快速、準確的電阻率影像剖面,以強化地電阻影像剖面法於水文地質與工程地質領域的應用。
狀態已完成
有效的開始/結束日期1/08/2031/07/21

聯合國永續發展目標

聯合國會員國於 2015 年同意 17 項全球永續發展目標 (SDG),以終結貧困、保護地球並確保全體的興盛繁榮。此專案有助於以下永續發展目標:

  • SDG 7 - 經濟實惠的清潔能源
  • SDG 8 - 體面的工作和經濟增長
  • SDG 17 - 為永續目標構建夥伴關係

Keywords

  • 地電阻反算
  • 電阻率
  • 機器學習
  • 深度學習

指紋

探索此專案觸及的研究主題。這些標籤是根據基礎獎勵/補助款而產生。共同形成了獨特的指紋。