Geological Feature Extraction Using Independent Component Analysis

تخيل أنك محقق يحاول حل لغز، ولكن بدلاً من مسرح جريمة، تكون لوحتك هي الأعماق المظلمة تحت الأرض. لكي يرى الجيولوجيون ما هو مخفي تحت أقدامنا، يستخدمون "الصور السيزمية" (الزلزالية). فكر في هذه الصور ليس كصور فوتوغرافية، بل كخرائط صوتية ضخمة ومعقدة؛ حيث يتم صنعها عن طريق إرسال موجات صوتية تحت الأرض والاستماع إلى الأصداء التي ترتد من طبقات الصخور المختلفة. إذا استطعت رؤية هذه الأصداء، فستبدو كصورة رمادية ضبابية حيث تحكي الخطوط والأشكال قصة الصدوع الخفية، أو جيوب النفط، أو مجاري الأنهار القديمة.

المشكلة هي أن هذه الصور الموجودة تحت الأرض فوضوية للغاية؛ فهي مليئة بـ "الضجيج" — وهو التشويش والضباب الذي يجعل من الصعب رؤية الخطوط المهمة، تماماً مثل محاولة قراءة خريطة بينما يقوم شخص ما بهز الورقة والصراخ فوق رأسك. لعقود من الزمن، حاول العلماء تنظيف هذه الصور باستخدام أدوات رياضية تسمى "كواشف الحواف". يمكنك التفكير في هذه الأدوات كأقلام تحديد رقمية تحاول رسم الخطوط العريضة للأشكال في الصورة. ومع ذلك، فإن أقلام التحديد القديمة غالباً ما ترتبك بسبب الضجيج، فترسم خطوطاً سميكة وضبابية أو تفشل تماماً في رصد الأدلة. إنها تشبه فناناً غير ماهر يحاول رسم خط حاد ولكنه يستمر في الانزلاق لأن الورقة خشنة جداً. وهنا يأتي دور نوع جديد من العمل التحقيقي الرياضي، باستخدام تقنية تسمى "تحليل المكونات المستقلة" (ICA). وهي طريقة تحاول فصل "الإشارة" (الأدلة الجيولوجية الحقيقية) عن "الضجيج" (التشويش) من خلال تعلم كيف تبدو الأنماط المهمة بالفعل، بدلاً من مجرد التخمين.

في هذا البحث، يقترح سانجاي كومار سينغ من معهد فيلور للتكنولوجيا طريقة ذكية لاستخدام هذا العمل التحقيقي الرياضي للعثق عن الحواف في الصور السيزمية. الفكرة الجوهرية هي تعليم الكمبيوتر كيفية تعلم "الحمض النووي" للحافة الجيولوجية. فبدلاً من استخدام قاعدة ثابتة لإيجاد الخطوط، ينظر الكمبيوتر إلى آلاف المربعات الصغيرة (الرقع) التي تبلغ مساحتها 8×8 بكسل من 15 صورة سيزمية مختلفة. ويستخدم خوارزمية سريعة تسمى (FastICA) لتحديد اللبنات الأساسية، أو "دوال الأساس"، التي تشكل هذه الصور.

تشير الورقة البحثية إلى أنه عندما يحلل الكمبيوتر هذه الرقع الصغيرة، فإنه يكتشف أن الأنماط الأكثر أهمية التي يتعلمها تشبه تماماً الحواف. الأمر كما لو أن الكمبيوتر ينظر إلى كومة من قطع "الليغو" ويدرك أن أكثر القطع فائدة هي تلك التي تبدو كخطوط مستقيمة وزوايا حادة. وقد وجدت الدراسة أنه من بين 64 نمطاً مختلفاً تعلمها الكمبيوتر، فإن معظمها يشبه هذه الهياكل الشبيهة بالحواف. هذه الأنماط "متفرقة" (sparse)، وهي طريقة فنية تعني أنها محددة للغاية ومركزة؛ فهي لا تضيء إلا عندما ترى بالضبط ما تبحث عنه، متجاهلة بقية الضباب.

بعد ذلك، اختبر الباحثون هذه الطة الجديدة مقابل الطرق الكلاسيكية القديمة لإيجاد الحواف، مثل كواشف "كاني" (Canny)، و"لوغ" (LoG)، و"سوبل" (Sobel)، و"برويت" (Prewitt). وفي عمليات المحاكاة التي أجروها، تمكنت طريقة (ICA) الجديدة من تحويل الصور السيزمية الضبابية إلى "خرائط حواف" واضحة. لقد فعلت ذلك عن طريق تقسيم الصورة إلى فئات مختلفة: أجزاء "الحافة" وأجزاء "الخلفية". ومن خلال استخدام عتبة (نقطة قطع) على هذه المكونات المتفرقة، استطاع الكمبيوتر إنشاء صورة ثنائية واضحة حيث تكون الحواف بيضاء ساطعة والخلفية سوداء. وأظهرت النتائج أن هذه الطريقة كانت أفضل في تجاهل الضجيج وإيجاد الخطوط الحقيقية للصدوع الجيولوجية مقارنة بالطرق التقليدية، التي غالباً ما تنتج خطوطاً مزدوجة أو تضيع في وسط التشويش.

تخلص الورقة البحثية إلى أن هذا النهج هو طريقة واعدة ومرنة ومتكيفة لاستخراج الميزات من البيانات السيزمية. ولأن الطريقة تتعلم مباشرة من البيانات نفسها، فهي أكثر مرونة من التقنيات القديمة التي تعتمد على قواعد ثابتة. ويشير المؤلف إلى أن هذا يمكن أن يكون خطوة ثورية لاستكشاف النفط والغاز ومراقبة الزلازل، لأنه يساعد في تحويل تيرابايت من البيانات الفوضوية إلى خرط واضحة وقابلة للتفسير لما تحت سطح الأرض. ومع ذلك، من المهم ملاحظة أن هذه النتائج تستند إلى محاكاة حاسوبية باستخدام مجموعة محددة من 15 صورة و10,000 عينة عشوائية. وبينما تظهر عمليات المحاكاة أن الطريقة قوية وفعالة، فإن الورقة تقدم هذا كإثبات نجاح للمفهوم وليس كمسألة محلولة نهائياً لكل سيناريو جيولوجي في العالم الحقيقي.