Iterative algorithms for total variation-like reconstructions in seismic tomography
Université Libre de Bruxelles(布鲁塞尔自由大学)
本文在全局地震层析成像背景下定性比较了全变分类惩罚项,并提出了针对约束公式的新算法及其收敛性证明。
2012-04-06 cs.NA math.NA math.OC
Recovery of low-magnitude seismic events before the July 29, 2025, Kamchatka megathrust earthquake using waveform cross-correlation enhanced by the addition of stochastic noise
本研究将随机噪声添加技术应用于匹配滤波前,结合波形互相关方法,大幅提升了2025年7月29日堪察加巨型逆冲地震前小震级地震活动的检测与复原能力。
2026-08-04 physics.geo-ph physics.soc-ph
Seismic Image Denoising With A Physics-Constrained Deep Image Prior
本文提出一种基于物理约束深度图像先验的无监督方法,通过优化网络权重细化偏移速度模型而非地震图像,有效分离噪声与伪影,在合成和真实数据上以极低计算开销显著优于标准DIP技术。
2024-05-27 physics.geo-ph
An example of regional seismicity recovery on June 22, 2020, using waveform cross-correlation
利用波形互相关技术对2020年6月22日可能的核试验进行地震性恢复研究
2026-02-17 physics.geo-ph physics.soc-ph
CDDIP: Constrained Diffusion-Driven Deep Image Prior for Seismic Image Reconstruction
针对地震数据缺失道影响后续处理且现有深度学习重建方法存在泛化与耗时问题,提出结合预训练扩散模型与深度图像先验的CDDIP方法,提升重建鲁棒性并大幅减少推理采样步数。
2025-01-14 physics.geo-ph
Joint Seismic Data Denoising and Interpolation with Double-Sparsity Dictionary Learning
地震资料质量对地球物理应用至关重要,因此数据恢复方法,包括去噪和插值,是震测资料处理流程中常见的初始步骤。提出了一种基于双稀疏字典学习的同时插值和去噪的方法。这扩展了以前仅用于去噪的工作。原始的双稀疏字典学习算法进行修改,通过定义一个屏蔽算子,被集成到字典的稀疏表示跟踪与丢失的数据的痕迹。采用加权低秩近似算法将字典更新问题转化为屏蔽算子约束下的稀疏恢复优化问题。与传统的具有固定字典的稀疏变换缺乏适应复杂数据结构的能力相比,双稀疏字典学习方法从受损地震资料的选定块中自适应地学习信号,同时保持紧凑的正变换和逆变换算子。对合成地震资料的数值实验表明,与其他方向多尺度变换方法(如曲波)相比,该方法在不引入伪Gibbs伪影的情况下保留了数据集中更细微的特征。
2017-03-07 physics.data-an physics.geo-ph
Laterally constrained low-rank seismic data completion via cyclic-shear transform
本文提出一种基于循环剪切变换的低秩地震数据补全方法,通过横向约束扩展矩阵补全框架,在合成和现场数据中同时有效插值缺失的震源与接收器。
2023-11-14 physics.geo-ph
Seismic first-arrival traveltime simulation based on reciprocity-constrained PINN
本文针对PINN求解程函方程在长距离走时预测中精度不足的问题,提出将互易原理作为约束引入PINN训练,并设计动态加权机制平衡程函方程损失与互易约束损失,在多个速度模型上显著提升了地震初至走时预测精度。
2025-05-08 physics.geo-ph
Lift and Relax for PDE-constrained inverse problems in seismic imaging
我们提出了提升和放松的波形反演(LRWI),一种方法,通过两个凸化技术的组合,减轻地震全波形反演(FWI)的局部极小值问题。第一种技术(Lift)将最优化问题中的变量集扩展为这些变量的乘积,排列为矩矩阵。这种代数思想是用半定规划近似代替困难的多项式最优化问题的著名方法。具体地说,模型和波场都从向量提升到秩2矩阵。第二种技术(松弛)邀请考虑波动方程,而不是作为一个硬约束,但作为一个软约束,以满足只有近似-一种技术称为波场重建反演(WRI)。WRI通过在目标函数中引入波动方程失配作为加权惩罚项来削弱波动方程约束。松弛的惩罚公式能够通过调整罚参数来平衡数据和波动方程失配。同时,Lift和Relax有助于将逆问题重新表述为高维空间中秩2矩矩阵上的一组约束。这种提升策略允许在整个反演过程中良好的数据和波动方程拟合,同时使秩-2矩矩阵的数值秩最小化到1。数值算例表明,相比FWI和WRI,LRWI可以进行成功的反演,使用初始模型,将被认为是太差,和数据的起始频率,将被认为是太高,在隔离的任何一种方法。具体而言,在线性梯度启动模型的情况下,LRWI将Marmousi模型和逆掩断层模型的可接受启动频率分别从1.0 Hz和0.5 Hz增加到2.0 Hz和2.5 Hz。
2020-06-30 math.OC physics.geo-ph
Iterative PDE-constrained optimization for seismic full-waveform inversion
提出了一种新的牛顿地震全波形反演(FWI)的数值方法。该方法是基于全空间的方法,其中的状态,伴随状态,和控制变量同时优化。每一步牛顿迭代都被表示为一个偏微分方程约束的最优化问题,并被转化为KKT线性代数方程组的形式. KKT系统的不精确求解与预处理Krylov求解器。我们介绍了两个预条件:一个基于块三角分解和它的变体与不精确块求解器。该方法是基准对标准的截断牛顿FWI计划的一部分Marmousi速度模型。该算法表现出相当大的运行时间减少相比,标准的FWI。此外,所提出的方法具有进一步加速的巨大潜力。本文的主要结果是,它建立了牛顿型优化的KKT系统在地震FWI的应用的可行性。
2022-04-13 cs.MS cs.NA math.NA
MAE-GAN: A Novel Strategy for Simultaneous Super-resolution Reconstruction and Denoising of Post-stack Seismic Profile
针对叠后地震剖面低分辨率和强噪声问题,提出MAE-GAN网络,通过多尺度残差模块、注意力机制、Markov判别器及边缘保持损失,实现同时超分辨率重建与去噪,有效恢复弱信号并保留更多地质构造。
2024-05-30 physics.geo-ph
Seismic data interpolation based on U-net with texture loss
School of Mathematics and Physics, China University of Geosciences(中国地质大学数学与物理学院);Department of Computer Science, Central China Normal University(华中师范大学计算机学院)
在地震资料采集过程中,采集到的地震资料中的缺失道是一种常见的现象。深度神经网络(DNN)在恢复不完整的地震资料方面显示出相当大的前景。然而,一些基于DNN的方法忽略了地震资料本身的特定特征,并且仅关注于减少恢复的信号与原始信号之间的差异。在这项研究中,一种新的地震U-网插值(SUIT)提出保留地震纹理信息,同时重建丢失的道。除了最小化重建误差之外,SUIT还通过设计一个预训练的U-Net来提取纹理信息,从而增强了恢复与原始完全地震资料之间的纹理一致性。实验表明,我们的方法优于经典的最先进的方法在鲁棒性方面。
2019-11-11 cs.LG eess.IV physics.geo-ph
SeisFusion: Constrained Diffusion Model with Input Guidance for 3D Seismic Data Interpolation and Reconstruction
Key Laboratory of Earth Exploration and Information Techniques of Education Ministry, College of Geophysics, Chengdu University of Technology(成都理工大学地球物理学院 教育部地球勘探与信息技术重点实验室);College of Computer Science and Cyber Security, Chengdu University of Technology(成都理工大学计算机与网络安全学院)
针对地震数据缺失问题,提出SeisFusion扩散模型框架,引入条件监督约束和三维网络,将二维扩散模型扩展到三维,并通过纳入缺失数据改进生成过程,在合成和现场数据上实现高精度重建。
2024-09-19 cs.LG physics.geo-ph
A Bayesian-based approach to improving acoustic Born waveform inversion of seismic data for viscoelastic media
在地震波形反演中,通常使用近似的波传播模型来执行地下属性的重建,以确保计算效率。地下的粘弹性性质往往是不考虑的,两个流行的近似-声学和线性玻恩反演-被广泛使用。这导致重建误差,因为近似忽略了非均匀地球中地震波传播的现实(物理)方面。在这项研究中,我们表明,贝叶斯近似误差的方法可以用来部分恢复错误,解决弹性和粘性效应的声学玻恩反演粘弹性介质。数值算例表明,忽略近似引起的模拟误差,地下速度场的恢复效果很差。
2019-11-04 physics.comp-ph physics.geo-ph
Seismic Modeling and Migration with Random Boundaries on the NEC SX-Aurora TSUBASA
震波成像是石油和天然气行业中计算要求高且数据密集型的活动。地震应用中的逆时偏移(RTM)需要将正向传播的波场(或震源波场)存储在磁盘上。为了减少存储需求,我们开发了一个RTM,通过引入一个新的波动方程式的问题,实现源波场重建。我们调整初始和边界条件,以利用随机边界条件(RBC)的属性。RBC不抑制来自人工边界的不需要的波,从而实现全波场恢复。此外,它探讨了低相关性与非相干信号由于在边界上的随机速度。我们还在矢量处理器上开发了编译器引导的实现,用于震测模型和RTM,这对于最小二乘偏移、全波形反演和不确定性量化应用至关重要。我们在2-D Marmousi基准和3-D HPC 4 E地震测试套件上测试了震测模型和RTM。数值实验表明,RTM实现的波场重建呈现出最好的结果,在执行时间和硬盘需求。最后,与震测模型的优化基线版本以及RTM和GPU实现相比,矢量处理器实现需要更少的代码修改,特别是对于大型3D网格。
2022-04-07 physics.geo-ph
A generalized framework for performance-based earthquake engineering: integrated assessment of structural reliability and resilience
University of Trento(特伦托大学);ETH Zürich(苏黎世联邦理工学院)
提出一个通用PBEE框架,通过连续时间马尔可夫链将损伤和恢复嵌入系统动力学,统一描述结构可靠性和韧性,并利用生成矩阵的谱特性高效计算指标。
2026-06-12 physics.geo-ph stat.CO stat.ME
TREMORS: An Agentic Assistant for Multi-Datacenter Seismic Data Acquisition
Los Alamos National Laboratory(洛斯阿拉莫斯国家实验室)
本文提出TREMORS智能体框架,可将自然语言查询转换为结构化工作流,自动化跨多数据中心的地震数据检索,减轻用户负担并提升可复现性,为地震学研究提供支持。
2026-09-03 physics.geo-ph
Strong noise attenuation of seismic data based on Nash equilibrium
School of Geophysics, Chengdu University of Technology(成都理工大学地球科学学院)
提出SEMD-Nash单编码器多解码器网络,通过多损失协同与纳什均衡权重动态优化,实现强噪声地震数据的有效去噪并保留地质特征。
2025-10-05 physics.geo-ph
Training a generalizable diffusion model for seismic data processing using a large-scale open-source waveform dataset
本文提出SWAN数据集,用于自动神经网络处理,通过该数据集训练条件约束残差扩散模型,实现缺失轨迹重建,并在多种测试场景中取得最佳性能。
2026-03-13 physics.geo-ph
Multiscale transform based seismic reflectivity inversion using convolutional neural network
本研究提出基于多尺度傅里叶变换的地震反射率反演方法,无需子波提取、井控与初始模型,可直接用于深度偏移数据,反演得到的带限阻抗与测井结果吻合度高。
2025-06-12 physics.geo-ph
Seismic resolution enhancement via deep Learning with Knowledge Distillation and Domain Adaptation
本文提出DAKD-Net,结合知识蒸馏与领域自适应机制,利用U-Net骨干网络提取空间结构信息并转移高频先验知识,有效提升了地震数据高分辨率处理的纵向分辨率、复杂结构细节恢复能力及泛化性。
2025-06-27 physics.geo-ph
The application of high-resolution 3D seismic data to model the distribution of mechanical and hydrogeological properties of a potential host rock for the deep storage of radioactive waste in France
法国国家放射性废物管理局(Andra)对巴黎盆地东部的Calovo-Oxfordian泥质岩和周围地层进行了广泛的定性研究,以确定高放射性放射性废物的深层地质处置库。作为该项目的一部分,需要一个精确的三维地震地质模型。本文介绍了将地震层位的时-深度转换、一致性地震速度模型和弹性波阻抗时间模型相结合,建立三维地震约束地质模型的方法。它还展示了如何将3D模型用于力学和水文地质研究。三维地震场数据的例子说明了潜在的建议深度转换程序估计密度和速度分布,这是一致的深度转换的地震层位使用贝叶斯克里格方法。地质模型显示出良好的协议,从一个参考井,位于最接近的三维地震勘探区获得的测井数据。力学参数如剪切模量、杨氏模量、体积模量的建模表明参数的低可变性,证实了目标地层(Calovo-Oxfordian粘土岩)的均匀性。根据地震属性(瞬时频率、包络线、弹性阻抗)计算并在参考井验证的渗透率指数(Ik-Seis)的三维建模显示了支持水文地质模拟和与安全问题相关的决策的潜力。
2014-07-22 physics.geo-ph
TomoATT: An open-source package for Eikonal equation-based adjoint-state traveltime tomography for seismic velocity and azimuthal anisotropy
该研究开发了开源软件包TomoATT,基于伴随态走时层析成像方法实现地震速度和方位各向异性反演,通过实验验证其正演精度、多路径处理能力及并行性能,并在合成与实际数据中取得可靠结果。
2024-11-21 physics.geo-ph
NuSPAN: A Proximal Average Network for Nonuniform Sparse Model -- Application to Seismic Reflectivity Inversion
Indian Institute of Science (IISc)(印度科学学院);Department of Electrical Engineering, IISc(印度科学学院电气工程系);Centre for Earth Sciences, IISc(印度科学学院地球科学中心);Centre of Excellence in Advanced Mechanics of Materials, IISc(印度科学学院先进材料力学卓越中心)
本文解决了地震反射率反演中的稀疏信号反褶积问题,该问题涉及地下反射系数的高分辨率恢复。我们的配方采用了一个非均匀的,非凸的合成稀疏模型,包括凸和非凸正则化的组合,这导致在精确的近似的l0伪范数。由此产生的迭代算法需要近似平均策略。当展开时,迭代会产生一个可学习的近似平均网络架构,可以以数据驱动的方式进行优化。我们证明了所提出的方法的有效性,通过数值实验合成的1-D地震道和2-D楔形模型与基准技术相比。我们还提出了考虑到模拟Marmousi 2模型以及从加拿大新斯科舍省海岸的Penobscot 3D调查获得的真实3D地震体数据的验证。
2021-09-16 cs.LG eess.IV eess.SP
Power Law Distributions of Seismic Rates
我们报告的概率密度函数$P_{\text{data}}(r)$的数量$r$的地震在有限的空间-时间窗口的加州目录的经验测定。我们发现一个稳定的幂律尾部$P_{\text{data}}(r) \sim 1/r^{1+μ}$指数$μ\approx 1.6$的所有空间($5 \times 5$到$20 \times 20$ km $^2$)和时间间隔(0.1到1000天)。这些观测结果,以及对所有不同时空窗口的时空窗口的非普遍依赖性,通过求解地震学中最常用的参考模型(ETAS)来解释,该模型假设每个地震都可以触发其他地震。结果表明,地震活动区是一种柯西型分形,其指数$δ=0.1 \pm 0.1$受地震速率的约束。
2004-12-09 physics.gen-ph 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
Advancing data-driven broadband seismic wavefield simulation with multi-conditional diffusion model
本文提出一种多条件扩散Transformer,在无需先验地质知识的情况下生成高分辨率地震波场,并通过Geysers地热田数据验证其在振幅和相位上的保真度,为地震结构成像和震源表征提供新手段。
2025-04-11 physics.geo-ph
Seeing through the CO2 plume: joint inversion-segmentation of the Sleipner 4D Seismic Dataset
提出一种集成全变分和分割先验的联合反演-分割算法,用于处理Sleipner 4D地震数据集,有效克服了数据噪声和缺失频率问题,实现了高分辨率声学模型构建与时间推移变化的体积分类。
2023-03-21 physics.geo-ph
Sparse Multichannel Blind Deconvolution of Seismic Data via Spectral Projected-Gradient
在这项工作中,一个有效的数值方案,地震盲反褶积在多道场景。所提出的方法包括两个步骤:第一,子波估计在所有通道和第二,细化的反射率估计同时在所有通道使用稀疏反褶积。反射率更新步骤被制定为一个基本的追求去噪问题和稀疏的解决方案,得到与光谱投影梯度算法的忠实性记录的痕迹是由测量的噪声水平的约束。当在频域中通过找到所有通道共有的最小能量小波来执行时,小波重新估计具有封闭形式的解。没有什么是假定已知的小波除了它的持续时间。在与合成和真实数据的测试中,该方法产生稀疏的反射率系列和稳定的子波估计结果相比,现有的方法具有显着更少的计算工作量。
2020-10-18 physics.comp-ph 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
Anderson Acceleration for Seismic Inversion
最新的地震成像技术将诸如FWI和LSRTM的反演任务视为PDE约束的最优化问题。由于大规模的性质,基于梯度的优化算法在实践中是优选的,以迭代地更新模型。高阶方法收敛于较少的迭代,但通常需要更高的计算成本,更多的线搜索步骤和更大的内存存储。必须考虑这些方面之间的平衡。我们建议使用安德森加速(AA),一种流行的策略,以加快收敛的固定点迭代,加速最速下降算法,我们创新地对待作为一个固定点迭代。独立的未知参数的维数,实现该方法的计算成本可以降低到一个非常低维的最小二乘问题。通过低秩更新可以进一步降低成本。我们讨论了AA和其他著名的最优化方法,如L-BFGS和重新启动GMRES之间的理论联系和差异,并比较它们的计算成本和内存需求。FWI和LSRTM应用于Marmousi基准的数值例子证明了AA的加速效果。与最速下降法相比,AA法具有收敛速度快,计算结果与某些拟牛顿法相当的优点,是一种很有吸引力的地震反演优化策略。
2020-11-13 cs.NA math.NA math.OC
Transfer learning in large-scale ocean bottom seismic wavefield reconstruction
Georgia Institute of Technology(佐治亚理工学院);China University of Petroleum - Beijing(中国石油大学(北京))
由于成本的考虑,在海底采集中实现期望的接收器采样通常是不可能的。假设足够的源采样是可用的,这是可以实现的凭借互惠和现代随机化(随机源)海洋采集技术的使用,我们是在一个位置,训练卷积神经网络(CNN),使接收器采样到相同的空间网格作为密集的源采样。为了完成这一任务,我们形成训练对组成的密集采样数据和人工二次采样数据使用互易参数和假设的源站点采样是密集的。虽然这种方法已成功地用于恢复单色频率切片,但其在实践中的应用需要时域数据的波场重建。尽管可以选择并行化,但如果我们决定为每个频率独立进行训练和恢复,这种方法的总体成本可能会变得过高。由于不同的频率切片共享信息,我们提出使用转移训练的方法,通过使用从相邻频率切片获得的CNN权重来热启动训练,使我们的方法在计算上更有效。如果两个相邻的频率切片共享信息,我们将期望训练得到改进并更快地收敛。我们的目的是证明这一原则进行了一系列精心挑选的实验上一个相对较大规模的五维数据合成数据体与宽方位角三维海底节点采集。从这些实验中,我们观察到,通过迁移训练,我们能够在训练中显着加速,特别是在相对较高的频率下,连续的频率切片更加相关。
2020-04-15 cs.LG eess.IV physics.geo-ph
Constructive Reuse of Free-Surface Ghost Wavefields in Marine Seismic Data: A Propagation-Based Framework
Arc Geo Support Co., Ltd.(Arc Geo Support有限公司);Kyoto University(京都大学)
该研究基于海洋地震采集和处理的进展,提出基于传播的框架,将分离的虚波场作为有意义分量建设性复用。通过自适应预测分解等方法推导并扩展公式,经现场数据验证可改进反射器连续性等,为传统技术提供补充并优化观测信息。
2026-11-13 physics.geo-ph
Stochastic seismic waveform inversion using generative adversarial networks as a geological prior
Imperial College London(帝国理工学院)
我们提出了在偏微分方程(PDE)约束反问题的背景下,深度生成模型的应用。我们结合了生成对抗网络(GAN)表示先验模型,创建地下地质结构及其岩石物理特性,与PDE的数值解控制声波在地球内部的传播。我们进行贝叶斯反演使用近似大都会调整Langevin算法(MALA)从后给定的地震观测样本。通过求解声波波动方程式的伴随方程,得到了正问题中模型参数的导数。通过利用用于表示生成模型的深度神经网络的可微性质来获得关于潜变量的失配的分量。我们表明,近似MALA采样允许有效的贝叶斯反演的模型参数从一个深生成模型表示的先验,获得一组不同的实现,反映所观察到的地震响应。
2018-06-10 cs.CV physics.geo-ph stat.ML
Optimal Transport for Seismic Full Waveform Inversion
The University of Texas at Austin(德克萨斯大学奥斯汀分校);New Jersey Institute of Technology(新泽理工学院)
本文提出利用最优传输中的Wasserstein度量来改进全波形反演中的反演问题,通过证明目标函数的凸性和对噪声的鲁棒性,提出求解Monge-Ampere方程的算法,并通过数值示例验证其有效性。
2016-04-18 cs.NA math.NA physics.geo-ph
Learning Stratigraphically Consistent Relative Geologic Time from 3D Seismic Data via Sinusoidal Mapping
University of Science and Technology of China(中国科学技术大学);Lawrence Berkeley National Laboratory(劳伦斯伯克利国家实验室)
本文提出了一种深度学习框架RGT-Est,通过将优化目标从拓扑约束的连续场转移到可微的正弦空间,以显式编码RGT的周期性层序语义,从而缓解细层过度平滑的问题。该方法结合点wise、感知和对抗损失,实现了局部忠实、层间一致性及全局结构合理性,提供细层辨别和全局层序意识,并通过可选的层位引导模块接受稀疏的2D或3D层位作为先验。在合成数据和实地调查数据上训练和评估,RGT-Est在无层位约束的情况下实现了SOTA性能,并在引入稀疏先验后显著提高了层位相关性和全局拓扑一致性。
2026-05-20 physics.geo-ph
A review of the use of optimal transport distances for high resolution seismic imaging based on the full waveform
我们考虑的高分辨率震波成像方法称为全波形反演(FWI)。FWI是一种反演地下力学参数的数据拟合方法。尽管FWI被学术界和工业界广泛采用,并取得了许多成功的结果,但FWI仍然受到严重的限制。从数学的角度来看,FWI是一个大规模的偏微分方程约束优化问题。所使用的失配函数是非凸的,该失配函数测量观测到的地震资料与通过解决波传播问题计算出的数据之间的差异。在离散化之后,FWI问题的大小需要使用局部优化求解器,其倾向于收敛到局部最小值。因此,FWI的成功很大程度上取决于初始模型的选择,以确保收敛到全局最小的失配函数。这一局限性一直是各种战略的动机。在已经研究的不同方法中,最近已经推广了基于最佳运输(OT)距离的失配函数的使用。主要思想是受益于OT距离相对于膨胀和平移的固有凸性,以使FWI问题更加凸。然而,OT距离在FWI框架中的应用并不简单,因为地震资料是有符号的,而OT是为了比较概率测量而开发的。本研究的目的是回顾两种方法,开发来克服这个困难。这两种方法都已成功地应用于工业框架中的现场数据。这两种方法都可以更好地利用地震资料,减轻对初始模型和各种常规工作流程步骤的敏感性,并减少地下力学参数反演的不确定性。
2022-04-18 physics.geo-ph
Unveiling magma plumbing systems for volcanic eruptions and crustal accretion via active-seismic matrix imaging
Institut Langevin, ESPCI, PSL University, CNRS(朗之万研究所,ESPCI巴黎高等物理化工学院,PSL大学,法国国家科学研究中心);Institut de Physique du Globe de Paris, Université Paris Cité, CNRS UMR 7154(巴黎地球物理研究所,巴黎西岱大学,法国国家科学研究中心)
应用主动源地震矩阵成像技术,绘制了东太平洋海隆9°50'N的岩浆储层内部结构,发现锥形轴部储层和相互连接的富岩浆带,结合蛇绿岩证据解决了下地壳形成机制中岩浆通道与原位结晶的长期争议。
2026-05-26 eess.IV physics.app-ph physics.geo-ph
Does High Signal-to-Noise Ratio Identify Better Training Data for Seismic Deep Learning?
Institute of Geophysics, China Earthquake Administration(中国地震局地球物理研究所);Laboratory of Seismology and Physics of Earth’s Interior, School of Earth and Space Sciences, University of Science and Technology of China(中国科学技术大学地球和空间科学学院地震学与地球内部物理实验室);Institute of Advanced Technology, University of Science and Technology of China(中国科学技术大学先进技术研究院);University of Chinese Academy of Sciences(中国科学院大学)
本研究通过相位拾取和频散任务检验高信噪比筛选是否提升地震深度学习训练效果,发现收益取决于任务、训练计划和测试域,但保留全部有效数据可降低3.0%误差,高SNR并非可靠的数据筛选标准。
2026-09-30 physics.geo-ph
Data-Driven and Theory-Guided Pseudo-Spectral Seismic Imaging Using Deep Neural Network Architectures
University of Malta(马耳他大学)
本研究将伪谱全波形反演与深度学习结合,提出数据驱动和理论引导的DNN与RNN方法,在合成及Marmousi数据上验证,提升了深层成像精度与断层识别能力。
2025-02-26 cs.LG physics.geo-ph
Evaluating the performance of machine-learning-based phase pickers when applied to ocean bottom seismic data: Blanco oceanic transform fault as a case study
该研究以布兰科洋脊转换断层为例,系统评估EQTransformer、Pickblue和OBSTansformer三种机器学习震相拾取器在海底地震数据中的性能,发现Pickblue目录事件更多且定位更优,并揭示地震活动空区与深部地震丛集机制,强调自动目录需审慎检验以避免误释。
2024-10-23 physics.geo-ph
Constraints on the composition and temperature of LLSVPs from seismic properties of lower mantle minerals
在这里,我们提供了一个潜在的LLSVP组合物的基础上改进的矿物模型,包括,例如,氧化铝的影响重新评估。我们还系统地研究了六个参数的影响:FeO和Al $_{2}$ O $_{3}$含量,比例的CaSiO $_{3}$和bridgmanite(使铁方镁石的比例隐含调查),Fe $^{3+}$ / $\sum$ Fe和温度之间的差异远场地幔和LLSVP。在研究的8100万个案例中,只有79000个案例解释了地震观测。然而,这些成功的情况涉及大范围的参数,例如,FeO含量在12- 25重量%之间,Al $_{2}$ O $_{3}$含量在3- 17重量%之间。然后,我们应用主成分分析(PCA),这些情况下,并找到两个强大的结果:(i)铁方镁石的比例应该是低的($<$ 6体积\%);(ii)形成的Fe $^{3+}$轴承bridgmanite比其他含铁相更有利。根据这些结果,我们确定了两个端员组合物,丰富的Bm和CaPv丰富,并讨论了它们的特点。最后,我们讨论了LLSVP形成的不同方案,并建议调查每个方案产生的矿物比例是评估其相关性的最佳方法。例如,原始岩浆海洋的凝固可能产生FeO和Al $_{2}$ O $_{3}$含量与我们的分析所建议的相似。然而,这种水库的矿物比例并没有很好的约束,可能包含更大比例的铁方镁石比我们的研究结果所允许的。
2020-11-23 physics.geo-ph
Seismic event classification with a lightweight Fourier Neural Operator model
King Fahd University of Petroleum and Minerals(法赫德国王石油矿产大学);Seismik s.r.o.(Seismik 有限公司)
本文提出一种轻量级傅里叶神经算子模型,用于高效分类微震事件,实验显示其在数据稀疏时仍能保持95%的F1分数,且计算成本显著降低。
2026-02-16 cs.LG physics.geo-ph
Global Structure-Constrained 4D prestack inversion
Chengdu University of Technology(成都理工大学);State Key Laboratory of Oil & Gas Reservoir Geology and Exploitation(油气藏地质及开发工程国家重点实验室);Key Laboratory of Earth Exploration & Information Techniques of Ministry of Education(教育部地球探测与信息技术重点实验室)
针对叠前地震反演的不适定性与复杂因素影响,提出基于多维矩阵乘法的全局反演方法,结合结构、地层与断层约束,经合成与野外数据验证,可提升复杂构造区反演的鲁棒性与计算效率。
2026-10-14 physics.geo-ph
Diffusion-guided optimization for full waveform inversion
研究提出在全波形反演(FWI)中用预训练扩散模型作正则化器,比较三种引导策略,通过多种实验表明分裂吉布斯扩散采样(SGDS)能提升重建质量,扩散引导优化可作实用正则化策略并保留波动方程建模循环。
2026-07-27 physics.geo-ph
DiffusionInv: Prior-enhanced Bayesian Full Waveform Inversion using Diffusion models
本文提出DiffusionInv方法,将预训练扩散模型作为速度先验集成到贝叶斯全波形反演中,通过微调学习后验分布,以缓解多解问题、提升反演可靠性与泛化能力,并在Hess和Otway数据上验证了高分辨率恢复效果。
2025-05-06 physics.geo-ph
SeisEvo: Evolution of Seismic Data Reconstruction Algorithms by Agents
Harbin Institute of Technology(哈尔滨工业大学);National University of Singapore(新加坡国立大学);Peking University(北京大学)
该研究提出SeisEvo,以LLM驱动多智能体搜索演化地震重建算子,发现Evo-POCS、Evo-MSSA等算法,性能优于经典方法及基准,为地震数据处理提供可检查的显式算法。
2026-08-20 cs.AI cs.NE eess.SP
GPS source solution of the 2004 Parkfield earthquake
我们计算了一系列的有限源参数反演的断层破裂的2004年帕克菲尔德地震的基础上1 Hz的GPS记录。我们证实,一些同震滑动在浅深度(<5公里)的InSAR数据处理的结果,从早期的震后变形的约束。我们还表明,1)如果位于非常接近破裂,GPS接收机可以饱和,而它仍然有可能估计地面速度(~1.2 m/s)靠近断层,2)GPS波形反演限制了深度滑动分布,即使GPS标志物不直接位于破裂区域上方,3)由我们最好的模型得到的深度滑移分布与由强震资料恢复的结果一致。破裂速度为2 ~ 5 km/s时,滑移振幅的第95百分位数为55 +/- 6 cm。
2014-08-04 physics.geo-ph
Horizontal Layer Constrained Attention Neural Network for Semblance Velocity Picking
地震波速分析是震测资料处理中的一个重要环节。为了避免手动执行时的巨大时间成本,提出了一些深度学习方法用于自动语义速度拾取。然而,现有的深度学习方法在实际应用中仍然受到标签不足的限制。在这封信中,我们提出了一个注意力神经网络结合点到点回归速度拾取策略,以减轻这个问题。在我们的方法中,语义片和速度值分别作为网络的输入和输出。通过这种方式,注意力神经网络可以有效地提取隐藏在语义片中的全局和局部特征。为了提高预测过程中的拾取效率,设计了一种基于水平层提取的下采样策略。在人工数据集和野外数据集上的实验表明,该方法能够得到合理的结果,并保持全球速度趋势与标签一致。此外,对随机噪声的鲁棒性也进行了测试的现场数据。
2022-07-01 physics.geo-ph
Edge-InversionNet: Enabling Efficient Inference of InversionNet on Edge Devices
George Mason University(乔治梅森大学);Los Alamos National Laboratory(洛斯阿拉莫斯国家实验室)
针对 InversionNet 在边缘设备部署困难的问题,提出基于结构化剪枝的轻量级 Edge-InversionNet,在 Raspberry Pi 上实现高效推理,计算资源减少达 98.2% 且性能下降适度。
2023-10-18 cs.AI cs.LG eess.SP