OpenEM：面向电磁方法的大规模多结构三维数据集
机器学习
2026-01-09 v2
摘要
电磁方法已成为地质勘探中最广泛使用的方法之一。随着深度学习的卓越成功，将此类技术应用于电磁方法（EM）方法已成为一个充满前景的研究方向，以克服传统方法的局限性。深度学习方法的效果高度依赖于数据集的质量，这直接影响模型的性能和泛化能力。现有的应用研究通常从随机的一维或结构简单的三维模型中构建数据集，这无法代表真实的地质环境。此外，缺乏标准化的、公开的三维地电数据集继续阻碍基于深度学习的EM勘探进展。为此，我们提出OpenEM，一个大规模、多结构的三维地电数据集，涵盖了广泛的地质上合理的地下结构。OpenEM包含九类地电模型，涵盖从具有异常体的半空间简单配置到更复杂的结构，如平层、折层、平滑断层、曲面断层以及具有异常体的相应变体。由于三维电磁正向建模极其耗时，我们进一步开发了基于深度学习的快速正向建模方法，使整个数据集都能实现高效可靠的正向建模。此能力使OpenEM能够快速部署用于广泛任务。OpenEM为常见EM勘探系统提供了一个统一、全面且大规模的数据集，以加速深度学习在电磁方法中的应用。该完整数据集可在https://doi.org/10.5281/zenodo.17141981公开获取。
引用
@article{arxiv.2510.21859,
title = {OpenEM: Large-scale multi-structural 3D datasets for electromagnetic methods},
author = {Shuang Wang and Xuben Wang and Fei Deng and Peifan Jiang and Jian Chen and Gianluca Fiandaca},
journal= {arXiv preprint arXiv:2510.21859},
year = {2026}
}