[論文レビュー] A fast algorithm for regularized focused 3-D inversion of gravity data using the randomized SVD

Saeed Vatankhah, Rosemary A. Renaut+1 more|arXiv (Cornell University)|Jun 19, 2017

Geophysical and Geoelectrical Methods参考文献 22被引用数 3

ひとこと要約

本稿では、ランダム化SVD（RSVD）を用いて、大規模な不定線形系を効率的に解く高速で正則化された3次元重力逆問題解法を提示する。小さな数のランダム投影を用いてシステム行列を低ランクSVDで近似することで、計算を高速化しながらも正確性を維持し、LSQRと同等の解を得るが、時間とメモリ使用量を著しく削減する。この手法は、ブラジルのモウロ・ド・エンジェイニュコ複合体からの合成データおよび実データで検証された。

ABSTRACT

A fast algorithm for solving the under-determined 3-D linear gravity inverse problem based on the randomized singular value decomposition (RSVD) is developed. The algorithm combines an iteratively reweighted approach for $L_1$-norm regularization with the RSVD methodology in which the large scale linear system at each iteration is replaced with a much smaller linear system. Although the optimal choice for the low rank approximation of the system matrix with m rows is q=m, acceptable results are achievable with q<

研究の動機と目的

• 大規模な問題にスケーリング可能な、3次元重力データ逆問題のための計算的に効率的なアルゴリズムを開発すること。
• 地球物理学的逆問題における大規模な不定線形系に対して、直接SVDを適用することが計算的に非現実的であるという問題に取り組むこと。
• ランダム化SVDを活用して、システム行列の主要な特異値および特異ベクトルを最小限のランクで近似し、計算コストを削減すること。
• 小さな特異値を切り捨てることなく、低次元空間で不偏予測リスク推定（UPRE）を効果的に用いた正則化を可能にすること。
• ブラジルのモウロ・ド・エンジェイニュコ複合体からの合成モデルおよび実重力データを用いて、手法の妥当性を検証すること。

提案手法

• 本手法は、ガウス分布を用いたランダム化SVD（RSVD）を採用し、重力前方モデル行列Gの低ランク近似を計算する。ここで、ランクq ≪ m である。
• 反復的重み付き最小二乗法（IRLS）の各反復において、大規模なシステムがRSVDを用いてより小さな部分空間に投影され、問題のサイズが縮小される。
• 正則化パラメータαは、低次元システムに直接適用する不偏予測リスク推定（UPRE）を用いて選択され、小さな特異値の切り捨てを回避する。
• 元のシステムの主要な特異値および特異ベクトルは、BᵀBの固有値分解を介して近似され、ここでBはランダム投影行列である。これにより、投影システムのSVDの計算が効率的に行える。
• 本アルゴリズムは、IRLSによるL₁ノルム正則化を用いて、局所的な地下構造を強調する集中的かつスパースな解を促進する。
• 解は、現在の推定に基づいてモデルを再重み付けすることで反復的に更新され、各ステップでシステム行列が低ランクSVDにより更新される。

実験結果

リサーチクエスチョン

• RQ1 ランダム化SVDは、q ≪ m である条件下で、重力前方モデル行列Gの正確な低ランク近似を提供できるか。特に、正則化に必要な主要なスペクトル特性を保持できるか。
• RQ2 RSVDに基づく逆問題解法は、計算コストを著しく削減しながらも、LSQRと同等の解の品質を達成できるか。
• RQ3 小さな特異値を切り捨てずに、低次元システムにUPREを直接適用できるか。これにより、正確性を損なわず適切な正則化が可能か。
• RQ4 本手法は、合成データおよびブラジルのモウロ・ド・エンジェイニュコ複合体からの実データを含む、大規模な3次元重力逆問題に対して、どのように性能を発揮するか。
• RQ5 RSVD近似における、正確性と計算効率のバランスを最適化するためのqの最適選択は何か。

主な発見

• RSVDに基づくアルゴリズムは、LSQRと同等の正確性を達成しながら、著しく短い計算時間と少ないメモリ使用量を実現した。
• モウロ・ド・エンジェイニュコデータに対してq = 400を用いた解は、観測された重力異常とよく一致し、既知の地質と整合する集中した地下構造を明らかにした。
• 正則化パラメータαは反復の進行に従い減少し、データ適合度の向上と収束を示した（図10a参照）。
• UPRE関数は最終反復で最小値に達しており、低次元空間における効果的な正則化および最適なパrameter選択が確認された。
• 本手法は、深くかつ孤立した物体を含む多様な複雑さの合成モデルにおいても、頑健な性能を示した。これにより、集中した構造の回復能力が裏付けられた。
• RSVDアルゴリズムの計算コストはO(lmn)に比例するため、直接SVDが非現実的となる大規模な3次元問題に対しても実用的であることが示された。