Seismic structure of the southern Rivera plate and Jalisco block subduction zone
本研究利用多类地震与测深数据,揭示了南里维拉板块以12-14度倾角俯冲于哈利斯科地块之下,并提供了增生楔及地壳上地幔的新地震图像。
2024-02-09 physics.geo-ph
Seismic Traveltime Inversion with Quantum Annealing
本研究提出将地震走时反演问题转化为QUBO问题,并利用量子退火方法求解,在1000-1300米碳储存合成模型及含噪环境中验证了其有效性,为高精度地震成像奠定了基础。
2025-03-06 physics.geo-ph
Three-dimensional seismic characterization and imaging of the Soda Lake geothermal field
地下地球物理性质的准确表征和断层系统的探测对于地热能勘探和生产至关重要。苏打湖地热田位于内华达州西部,具有复杂的断层系统。以前的地震表征只能产生一个低分辨率,平滑的速度模型,以及一个简单的,概念性的断层模型。利用可控震源采集的三维地面地震资料,采用优化的基于相关的全波形反演、基于波场分离的逆时偏移和自动断层检测技术,对苏打湖地热田进行了三维地震特征描述。我们获得了三维高分辨率的速度,密度和声阻抗模型,三维地震图像与不同的网格间距,和一个高分辨率的断层系统。构造断层与目前活跃的注采地热井之间的一致性检验验证了我们的地震反演和成像结果以及探测到的断层是可靠的。这些结果可以为苏打湖地热田的优化布井和地热能生产提供有价值的信息。
2020-08-18 physics.geo-ph
Toward Creating Subsurface Camera
在这篇文章中,地下相机(SAMERA)的框架和体系结构的设想和描述的第一次。SAMERA是一种地球物理传感器网络,它感测和处理地球物理传感器信号,并实时计算3D地下图像。基本机制是:通过地下传播/反射/折射的地球物理波进入地球物理传感器的网络,其中计算和记录2D或3D图像;控制软件可以连接到该网络以允许查看2D/3D图像和调整设置,例如分辨率、滤波器、正则化和其他算法参数。设计了基于地震成像的系统原型。SAMERA技术被认为是改变游戏规则的技术,可以改变许多地下勘测和监测应用,包括石油/天然气勘探和生产、地下基础设施和国土安全、废水和二氧化碳封存、地震和火山灾害监测。地震成像系统样机已经建成。创建SAMERA需要传感器网络、信号处理、分布式计算和地球物理成像的跨学科合作和转型。
2018-10-29 eess.SP physics.geo-ph
Deep Learning Realm for Geophysics: Seismic Acquisition, Processing, Interpretation, and Inversion
在过去几年中,将深度学习模型应用于地球物理应用引起了人们的特别关注。有几篇论文发表在这个领域涉及不同的主题,主要集中在合成数据。基于所提出的结果,达到满意的从计算机科学家是在很大程度上远离常规算法的性能。此外,很难找到详细说明研究人员应该遵循哪些最佳实践的文件,以设计适当的深度学习模型来有效和精确地解决与现场数据相关的问题。本文作为一个总结,展示了成功的故事,并分享了我们在过去几年中在大规模设计和部署深度学习模型到地球物理项目的过程中获得的丰富经验。四个不同的学科分别讨论了震波收录,处理,解释和反演。最后,讨论了设计一个有效的深度神经网络,特别是物理学的特别注意事项。
2019-09-29 eess.IV physics.geo-ph
A constrained-based optimization approach for seismic data recovery problems
随机噪声和结构化噪声都会影响地震资料,从而隐藏了携带有意义的地球物理解释的感兴趣的反射(一次波)。当结构噪声由多次反射波组成时,通过时变滤波实现自适应消除,补偿给定近似模板中的误差。欠定问题,然后可以制定为一个凸优化,提供滤波器和原色的估计。在这个框架内,要最小化的标准主要由两部分组成:一个数据保真度项和硬约束建模的先验信息。这种公式化可以避免,或至少方便,一些参数确定任务,通常难以执行的反问题。这里不仅考虑了经典的约束,如稀疏性,而且还考虑了通过超平面表示的约束,在超平面上的投影很容易计算。后一种约束通过进一步约束物理上合理的解决方案的空间而导致改进的性能。
2014-06-18 math.OC physics.geo-ph
Geophysical Inversion and Optimal Transport
我们提出了一种新的方法来衡量两个振荡的时间序列,如地震波形之间的协议,并证明它可以有效地用于反问题。我们的方法是基于最优运输理论和Wasserstein距离,一个新的变换的时间序列,以确保必要的规范化和积极性的条件得到满足。我们的措施是可微的,可以很容易地在一个优化框架。我们证明了各种合成的例子,包括震源反演的性能,并观察到更好的收敛性能比传统的$L_2$失配。我们还简要讨论了最优运输和贝叶斯推断之间的关系。
2022-04-29 math.OC physics.geo-ph stat.AP
Integrating Artificial Intelligence and Geophysical Insights for Earthquake Forecasting: A Cross-Disciplinary Review
University of Science and Technology Beijing(北京科技大学);Beijing Engineering Research Center of Industrial Spectrum Imaging(北京市工业光谱成像工程研究中心);New York University Abu Dhabi(纽约大学阿布扎比分校);Southern University of Science and Technology(南方科技大学);China University of Geosciences (Beijing)(中国地质大学(北京))
针对地震预测的科学挑战,综述了将人工智能与地球物理洞察融合的跨学科研究,指出整合多源数据与AI技术可克服传统方法局限,强调跨学科合作以开发更优预测工具。
2025-02-10 cs.AI cs.LG physics.geo-ph
On the recent large EQ of Karpathos, Greece (April 1st, 2011, Ms = 6.7R) and its similarities to the large EQ of the January 1st, 2006 (Ms = 6.9R) at East of Kythira, Greece
最近发生在希腊的大EQ(2011年4月1日,Ms = 6.7R)进行了调查,因为它涉及到希腊领土的区域地球物理特征。特别是,EQ的位置进行比较,深岩石圈断裂带和故障,来自相应的地球的重力场的分析,以目前的地震潜力图确定从过去的地震活动的研究,而其发生时间进行比较的M1和昼夜潮波的峰值。由位于雅典的ATH监测站点记录的地球电场的详细调查揭示了短训练样脉冲型电地震检波信号的存在,其在EQ发生时间之前短(1 - 2天)产生。此外,分析(T = 1天)的地球振荡电场,这是同时记录在PYR和ATH监测点,揭示了“奇异吸引子”的地震电性前兆之前的EQ发生时间1 - 2天。从东基西拉的大EQ中观察到类似的行为(Ms = 6.9R,2006年1月8日)。结论是,相同的区域构造机制控制和产生的分析EQs,而采用的地球物理地球模型已得到验证。
2011-04-07 physics.geo-ph
LSM-DFN Modeling for Seismic Responses in Complex Fractured Media: Comparison of Static and Dynamic Elastic Moduli
裂纹的微观几何形状对有效弹性特性和声响应有着至关重要的影响。基于震测法的地球物理勘探被广泛用于评估和了解裂缝的存在。数值模拟作为解决这一问题的一种很有前途的方法,仍然面临着一些挑战。随着计算机和计算技术的迅速发展,具有良好性能的离散数值方法得到了越来越多的发展,但尚未广泛应用于复杂裂隙介质的地震响应模拟。为此,我们应用耦合LSM-DFN模型(Liu和Fu,2020 b)来检验模拟天然裂隙介质中弹性波传播和散射的有效性。通过与理论值的比较,验证了输入参数优化方案的可行性。此外,还计算了地震反应的动弹性模量,并与单轴加压试验的准静态加载的静态弹性模量进行了比较。数值计算结果与理论预测和实验数据的趋势一致。它显示了潜在的再现复杂的裂缝介质中的地震响应和定量研究的静态和动态弹性模量之间的相关性和差异。
2021-01-04 physics.geo-ph
Evolution of the Stress and Strain field in the Tyra field during the Post-Chalk Deposition and Seismic Inversion of fault zone using Informed-Proposal Monte Carlo
当油气藏被用作CO2储存设施时,准确的不确定性分析和风险评估至关重要。综合地质知识、地质建模、测井数据和地球物理数据的信息为这一分析提供了基础。对覆盖层中的应力/应变变化的时间发展进行建模提供了关于储层中的断层和断裂概率的先验知识,其进而用于地震反演以约束断层和断裂的模型。求解大规模地震反问题的一个主要问题是计算量大和效率低。我们使用一种新引入的方法--信息建议蒙特卡罗(IPMC)-来处理这个问题,并进行了概念性研究的基础上,从丹麦北海的真实数据。结果概述了一种方法,用于评估的风险,有潜在的损害CO2储存的水库在覆盖层中的亚震断层。
2021-08-31 physics.geo-ph
Semi-supervised Sequence Modeling for Elastic Impedance Inversion
Georgia Institute of Technology(佐治亚理工学院)
机器学习算法在地震领域的最新应用在不同领域(如地震反演和解释)显示出巨大的潜力。然而,这样的算法很少执行地球物理约束-缺乏地球物理约束可能导致不期望的结果。为了克服这个问题,我们已经开发了一个半监督序列建模框架的基础上,递归神经网络的弹性波阻抗反演从多角度地震资料。具体地,地震道和弹性阻抗(EI)道被建模为时间序列。然后,使用包括卷积和递归神经层的基于神经网络的反演模型来反演用于EI的地震资料。建议的工作流程使用测井数据来指导反演。此外,它使用地震正演建模来正则化训练,并作为反演的地球物理约束。建议的工作流程实现了98%的估计和目标EI之间的平均相关性,使用10个测井曲线上的合成数据集进行训练。
2019-08-19 cs.LG eess.SP physics.geo-ph
Seismic Velocity Inversion from Multi-Source Shot Gathers Using Deep Segmentation Networks: Benchmarking U-Net Variants and SeismoLabV3+
Australian Computer Society(澳大利亚计算机学会)
本研究基准测试U-Net、U-Net++、DeepLabV3+及优化变体SeismoLabV3+用于地震速度反演,后者以ResNeXt50骨干和任务修改取得最佳MAPE(验证0.03025,测试0.031246),证明深度分割网络有效且定制改进有价值。
2025-09-07 cs.AI cs.LG physics.geo-ph
Long term measurements from the Mátra Gravitational and Geophysical Laboratory
这里介绍了与拟议的下一代地基重力探测器的位置有关的长期数据采集的总结。匈牙利Gyöngyösoroszi附近的地下马特拉重力和地球物理实验室报告了地震和次声噪声、电磁衰减和宇宙μ子辐射测量的结果。从拟议的第三代地下引力波观测站爱因斯坦望远镜的角度对两年多来收集的地震数据进行了评价。将我们的结果应用于选址将显着提高多信使天体物理学时代的信噪比,特别是在低频区。
2018-11-13 astro-ph.IM hep-ex physics.geo-ph
Encoder-Inverter Framework for Seismic Acoustic Impedance Inversion
Chengdu University of Technology(成都理工大学);School of Geophysics(地球物理学院)
本文提出了一种编码器-反向器框架,通过将地震迹映射到高维线性特征空间,提升地震声阻抗反演的准确性和鲁棒性。
2025-11-22 physics.geo-ph
Neural-networks for geophysicists and their application to seismic data interpretation
University of British Columbia(英属哥伦比亚大学);Computational Geosciences Inc.(计算地球科学公司)
在过去的几年里,神经网络在地震图像的解释中引起了人们极大的兴趣。基于网络的学习方法可以提供快速准确的自动解释,前提是有足够多的训练标签。我们提供了一个介绍该领域的目标是熟悉的正演模拟和反演的框架的地球物理学家。我们解释了深层网络与其他地球物理反问题之间的相似性和差异,并展示了它们在解决井间岩性插值、层位跟踪和地震图像分割等问题中的实用性。爱尔兰海和北海的现场数据证明了我们的方法的好处。
2019-03-27 cs.CV physics.geo-ph
Least-squares RTM of a seismic-while-drilling dataset
理论上,最小二乘偏移可以减少采集足迹并改善地下结构的照明。它还可以在一定程度上恢复事件的振幅。但是,迁移操作符并不完整。换句话说,算子不跨越模型的整个范围,并且即使通过将成像作为逆问题,也不会恢复模型在算子的零空间中的部分。在地球物理术语中,在复杂的地下结构中,射线或波浪能将在某些区域中穿透不良,例如,盐下区域,该区域将是我们采集系统的阴影区。阴影区位于偏移算子的零空间中,并且该区域中的地下信息将不会被恢复。因此,在这项研究中,我们的目的是使用另一套数据,其射线路径是不同于地面地震。随钻地震(SWD)数据集是地表数据的补充,它通过将新的测量值添加到成像问题中来解决地震照明问题。在充分考虑SWD震源特征的相关性和非脉冲性的基础上,实现了SWD数据集的叠前最小二乘深度偏移。我们研究了SWD数据集的最小二乘逆时偏移的可行性及其在成像模型中位于地面震波收录阴影区的部分的潜力。
2019-02-19 physics.geo-ph
Deep Learning on Real Geophysical Data: A Case Study for Distributed Acoustic Sensing Research
Lawrence Berkeley National Laboratory(劳伦斯伯克利国家实验室)
针对真实、大型和复杂科学数据集的深度学习方法在设计上可能非常具有挑战性。在这项工作中,我们提出了一个完整的搜索微调和有效缩放的深度学习分类器,以识别使用分布式声学传感(DAS)采集的地震数据中的可用能量。虽然在训练过程中只使用了标记图像的一个子集,但我们能够识别出合适的模型,这些模型可以准确地推广到未知的信号模式。通过使用16倍的GPU,我们可以在50,000张图像数据集上将训练速度提高两个数量级以上。
2020-10-15 cs.LG physics.geo-ph
Bayesian seismic tomography based on velocity-space Stein variational gradient descent for physics-informed neural network
提出 vSVGD-PINN-ST,通过仅对速度网络做贝叶斯推断并在速度函数空间执行 SVGD,首次实现 PINN 在贝叶斯地震层析成像中的实际应用。
2023-07-18 physics.geo-ph
HMCLab: a framework for solving diverse geophysical inverse problems using the Hamiltonian Monte Carlo method
该研究提出了基于哈密顿蒙特卡洛方法的开源地球物理反问题求解框架HMCLab,覆盖多类反演场景,支持先验模型与伴随梯度计算,可用于实验研究与实际应用。
2023-03-17 physics.geo-ph
An encoder-decoder deep surrogate for reverse time migration in seismic imaging under uncertainty
由于存在若干不确定性源,地震成像面临挑战。在数据测量、震源定位和地下地球物理性质方面存在着不确定性。逆时偏移(RTM)是一种高分辨率深度偏移方法,可用于提取储层定位和边界等信息。然而,RTM是耗时和数据密集型的,因为它需要计算两次波动方程来生成和存储成像条件。RTM,当嵌入在一个不确定性量化算法(如蒙特卡罗方法),显示了许多倍的增加,由于其计算复杂性的高输入-输出维数。在这项工作中,我们提出了一个编码器-解码器深度学习代理模型,用于不确定性下的RTM。输入是速度场的集合,表示不确定性,并输出地震图像。我们通过数值实验表明,代理模型可以准确地再现地震图像,更重要的是,从输入速度场到图像集成的不确定性传播。
2020-06-16 physics.comp-ph physics.geo-ph
Generative modeling of seismic data using diffusion models and its application to multi-purpose posterior sampling for noisy inverse problems
针对地球物理含噪反问题的多解性与不确定性量化需求,提出基于无条件扩散模型和非马尔可夫采样的无监督多用途后验采样方法,实现快速、高质量、自适应噪声的地震数据生成与优越泛化。
2025-06-15 physics.geo-ph
Enhancement of seismic imaging: An innovative deep learning approach
提高地震资料的频带宽度一直是地球物理学界的追求。高分辨率的地震资料是获取详细地层信息的关键资源。在这里,介绍了一种基于深度学习模型的新方法,通过从测井数据中提取反射,通过提高低频和高频来拓宽地震数据的频谱带宽。从提高地震资料的分辨率和消除地震子波的旁瓣伪影两个方面观察到了相应的改善。在深度学习模型的训练阶段,通过同时考虑多口井,充分保证了地理空间信息,这确保了在反演过程中横向和纵向地质信息受到井控的约束并精确远离井控。大量的实验证明,增强的地震数据与测井信息是一致的,并尊重从给定位置的井定义的岩石性质关系。还可以对不确定性分析进行定量评估,以利用拟议方法的产出来确定一系列地震反应的可能性。
2019-09-13 cs.IT eess.IV math.IT
Quantum computational intelligence for traveltime seismic inversion
量子计算正处于早期实施阶段。它的能力在过去几年中一直在增长,但它在几个科学领域的应用仍然局限于过于简单的问题。在这一阶段,重要的是要确定量子计算呈现最有希望的结果的情况,以便在技术准备部署时做好准备。量子物理领域有几个领域受到当前计算能力的限制,其中所谓的地震反演是最重要的领域之一,这是受益于量子计算的强有力的候选者。在这项工作中,我们实现了一种旅行时地震反演方法,通过近期量子算法的基础上无梯度量子线路学习。我们证明了一台拥有数千个量子比特的量子计算机,即使有噪音,也可以解决地球物理问题。此外,我们还比较了该方法与变分量子算法的收敛性。
2022-09-01 math.OC physics.geo-ph quant-ph
Wave-equation-based inversion with amortized variational Bayesian inference
解决涉及测量噪声和建模误差的逆问题需要正则化,以避免数据过拟合。地球物理反演问题,其中地球的高度异质结构是未知的,提出了一个挑战,通过解析表达式编码先验知识。我们的主要贡献是一个基于生成模型的正则化方法,强大的分布外的数据,利用现有的数据和模型对嵌入的先验知识。利用摊销变分推理目标,条件归一化流(NF)的预训练对低和高保真度的迁移图像,以实现低保真度近似的震波成像后验分布以前看不见的数据。在预训练之后使用NF以在涉及物理引导的数据失配和NF潜变量的高斯先验的反演方案中重新参数化未知的地震图像。解决这个关于潜在变量的优化问题使我们能够利用数据驱动的条件先验的好处,同时获得物理和数据的信息。数值实验表明,所提出的反演方案产生的地震图像与有限的伪影时,处理噪声和分布外的数据。
2022-03-29 physics.geo-ph
A Physics-guided Generative AI Toolkit for Geophysical Monitoring
George Mason University(乔治梅森大学);Los Alamos National Laboratory(洛斯阿拉莫斯国家实验室);University of North Carolina at Chapel Hill(北卡罗来纳大学教堂山分校)
针对地球科学中不足数据限制机器学习效果及模型剪枝加剧该问题,提出物理引导的扩散模型工具包EdGeo生成高保真速度图并利用声波方程生成地震波形数据微调剪枝模型,显著提升SSIM并降低MAE和MSE,在表示不足特征上优于现有方法。
2024-01-06 cs.AI cs.CV cs.LG
Seismic tomography using variational inference methods
地震层析成像是一种对固体或流体介质内部进行成像的方法,通常用于绘制地球地下的属性。为了更好地解释所得到的图像,重要的是评估成像不确定性。由于层析成像是显着的非线性,蒙特卡罗采样方法通常用于此目的,但它们通常是计算上难以处理的大型数据集和高维参数空间。为了将不确定性分析扩展到更大的系统,我们使用变分推理方法进行地震层析成像。与蒙特卡罗抽样相比,变分方法将贝叶斯推断问题作为优化问题来解决,但仍然提供概率结果。在这项研究中,我们采用了两种变分方法,自动微分变分推理(ADVI)和斯坦变分梯度下降(SVGD),二维地震层析成像问题,使用合成和真实数据,我们比较的结果,从两个不同的蒙特卡洛采样方法。结果表明,变分推理方法可以产生精确的近似结果的Monte Carlo抽样方法在显着降低计算成本,提供的参数相对于数据的梯度可以有效地计算。我们期望这些方法可以有效地应用于许多其他类型的地球物理反问题。
2019-08-27 physics.comp-ph physics.geo-ph
Synergizing Deep Learning and Full-Waveform Inversion: Bridging Data-Driven and Theory-Guided Approaches for Enhanced Seismic Imaging
University of Malta(马耳他大学)
本综述探讨深度学习与全波形反演的集成,涵盖基础、应用与挑战,并展望混合、生成及物理信息模型等未来方向,以提升地下属性估计的准确性、效率与可靠性。
2025-02-24 cs.AI cs.CE cs.LG
Generalization with Reverse-Calibration of Well and Seismic Data Using Machine Learning Methods for Complex Reservoirs Predicting During Early-Stage Geological Exploration Oil Field
本文面向早期油田勘探,提出利用测井标签、地震属性和反向校准不确定性的机器学习二分类与 stacking 集成流程,生成三维储层概率及厚度图并提升预测质量。
2023-06-02 cs.LG physics.geo-ph
Geophysical inverse problems with measurement-guided diffusion models
KAUST(阿卜杜拉国王科技大学)
本文针对地震插值与地震反演,比较 DPS 与 PGDM 两种测量引导扩散采样算法,证明重参数化和训练先验是关键,且 PGDM 以有限额外成本表现更优。
2025-01-08 cs.LG physics.geo-ph
An Intriguing Property of Geophysics Inversion
Los Alamos National Laboratory(洛斯阿拉莫斯国家实验室);Microsoft Research(微软研究院);The Pennsylvania State University(宾夕法尼亚州立大学)
反演技术广泛用于重建地下物理性质(例如,速度,电导率)从基于表面的地球物理测量(例如,地震、电/磁(EM)数据)。这些问题是由偏微分方程(PDE),如波或麦克斯韦方程。由于地球物理反演问题的病态性和高计算成本,求解地球物理反演问题具有挑战性。为了缓解这些问题,最近的研究利用深度神经网络来直接学习从测量到属性的反演映射。在本文中,我们表明,这样的映射可以很好地模拟一个非常浅(但不宽)的网络,只有五层。这是基于我们新发现的一个有趣的属性:在高维空间中应用积分变换后,输入和输出之间的近线性关系。特别地,当处理从地震数据到由波动方程控制的地下速度的反演时,具有高斯核的速度的积分结果与具有正弦核的地震数据的积分线性相关。此外,这种性质可以很容易地变成一个轻量级的编码器-解码器网络的逆。编码器包含地震数据的整合和线性变换,而无需微调。解码器仅由单个Transformer块组成,以反转速度的积分。实验表明,这一有趣的属性适用于四个不同数据集上的两个地球物理反演问题。与更深的InversionNet相比,我们的方法达到了相当的精度,但消耗的参数明显更少。
2022-06-16 cs.LG eess.SP physics.geo-ph
Reservoir Prediction by Machine Learning Methods on The Well Data and Seismic Attributes for Complex Coastal Conditions
Petroleum Overseas ME JSC(石油海外中东股份公司)
这项工作的目的是使用一系列机器学习算法和数据增强和修改方法来预测所研究的沿海地区具有碳氢化合物收集特性的岩层的传播概率。该研究发展了机器学习的方向,其中对井数据和空间属性进行训练。克服这个方向的局限性的方法示出,两种方法-增加和修改的井数据样本:主轴和反向校准。考虑到沿海地区条件下地震资料解释的困难,所提出的方法是一种能够与地质和地球物理数据的整体一起工作的工具,从159维空间属性中提取知识,进行相展布预测,预测质量合格--储层级别F1测度平均为0.798,用于“钻井”评价不同地质条件的结果。结果表明,在实施的技术堆栈中一致应用所提出的增强方法,相对于原始数据集,将储层预测的质量提高了1.56倍。
2023-01-09 cs.LG physics.geo-ph
Can learning from natural image denoising be used for seismic data interpolation?
Harbin Institute of Technology(哈尔滨工业大学);University of California(加利福尼亚大学)
提出了一种基于卷积神经网络(CNN)去噪的地震资料插值方法。它提供了一种简单有效的方法来解决深度学习方法通常需要的地球物理训练标签缺乏的问题。该方法包括两个步骤:(1)训练一组来自自然图像的干净噪声对的CNN去噪器以学习去噪;(2)将训练好的CNN去噪器集成到凸集投影(POCS)框架中以执行地震资料内插。该方法以类似于端到端深度学习在地震资料插值上的应用的特点,满足了地震大数据的需求。此外,所提出的方法是灵活的许多情况下的痕迹丢失,因为丢失的情况下不涉及在训练步骤,因此它是即插即用的性质。这表明我们的方法具有高度的普遍性,并且减少了针对具体问题的培训需求。仿真数据和实测数据的实验结果表明,与传统的$f$ - $x$预测滤波和基于曲波变换的POCS方法相比,该方法在信噪比、去混叠和弱特征重构等方面具有良好的插值性能.
2020-08-22 cs.LG eess.SP physics.geo-ph
On the role of memorization in learned priors for geophysical inverse problems
University of Central Florida(中央佛罗里达大学)
本文探讨了深度生成模型在地质反演中的记忆效应,指出训练此类模型可能使先验收敛于经验分布,进而影响反演结果。
2026-03-20 cs.LG physics.geo-ph stat.ML
Should All Noises Be Treated Equally: Impact of Input Noise Variability on Neural Network Robustness
King Abdullah University of Science and Technology(阿卜杜拉国王科技大学);Aramco Upstream Research Center at KAUST(沙特阿美上游研究中心(KAUST));EXPEC Advanced Research Center, Aramco(沙特阿美EXPEC高级研究中心)
本研究通过模拟随钻地震数据,系统评估噪声类型、尺度及复合噪声对神经网络在初至拾取和去噪任务中鲁棒性的影响,发现大尺度噪声和复合噪声训练可提升泛化能力。
2026-09-15 cs.LG eess.SP physics.geo-ph
A Primal-Dual Proximal Algorithm for Sparse Template-Based Adaptive Filtering: Application to Seismic Multiple Removal
IFP Energies nouvelles(IFP能源新动力);Univ. Paris-Est, LIGM UMR CNRS 8049(巴黎东大学,LIGM UMR CNRS 8049);Aix-Marseille Univ., I2M UMR CNRS 7373(艾克斯-马赛大学,I2M UMR CNRS 7373)
本文提出一种基于稀疏表示的自适应滤波算法,用于处理地震数据中的多重反射问题,通过凸变分方法提高信号分离效率。
2014-09-22 cs.SY eess.SY math.OC
RBF-FD analysis of 2D time-domain acoustic wave propagation in heterogeneous media
径向基函数生成的有限差分(RBF-FD)是局部强形式无网格方法的一种流行变体,它不需要节点之间的预定义连接,使其更容易适应所考虑的问题。本文研究了在地球地下地震模拟中时域声波传播的RBF-FD解。通过大量的数值试验,从均匀到高度非均匀的速度模型,包括非光滑的不规则地形,我们证明了本方法可以进一步推广到解决任意复杂模型中的大规模地震建模和全波形反演问题,从而实现对地球物理观测的更鲁棒解释
2021-05-10 cs.CE cs.NA math.NA
Integrating Physics of the Problem into Data-Driven Methods to Enhance Elastic Full-Waveform Inversion with Uncertainty Quantification
Sharif University of Technology(谢里夫理工大学)
本文针对弹性全波形反演易陷局部极值和缺乏不确定性量化的问题,将弹性散射物理融入机器学习,提出时谐FWI求解方法及改进变分自编码器的概率深度学习方法,并构建接近现实的数据集验证其精度优于纯数据驱动和纯物理方法。
2024-11-21 cs.LG cs.NA math.NA