Bridge Vibrations as Persistent Seismic Sources for Time-lapse Imaging of River Corridors with Distributed Acoustic Sensing
Stanford University（斯坦福大学）；Nanyang Technological University（南洋理工大学）
利用交通激发的桥梁作为持续地震源，通过DAS记录实现河流走廊时移成像，监测洪水期间地下速度变化，支持水文与基础设施监测。
2026-10-08 physics.geo-ph
De-risking Carbon Capture and Sequestration with Explainable CO2 Leakage Detection in Time-lapse Seismic Monitoring Images
Georgia Institute of Technology（佐治亚理工学院）
随着全球越来越多地部署碳捕获和封存技术来应对气候变化，监测和检测通过现有或储存引起的故障而可能发生的CO2泄漏对于该技术的安全和长期可行性至关重要。最近关于CO2储存的时移地震监测的工作显示出有希望的结果，它能够从地面记录的地震资料监测CO2羽流的增长。然而，由于震波成像对CO2浓度的灵敏度较低，需要进行额外的开发，以有效地解释地震图像的泄漏。在这项工作中，我们引入了一种对时移地震图像的二进制分类，以使用最先进的深度学习模型来描绘CO2羽流（泄漏）。此外，我们本地化的泄漏区域的CO2羽利用类激活映射方法。
2022-12-16 cs.AI cs.CV cs.NA
3D Curvature Analysis of Seismic Waveforms and its Interpretational Implications
曲率分析的思想已经广泛用于从三维（3D）地震资料（例如，断层/裂缝检测和地貌描绘）。然而，这种几何曲率仅利用可用地震信号的运动学信息（双向走时）。在分析动态信息（波形）时，传统方法（例如，复杂的痕量分析）通常是逐迹的，因此不能考虑地震反射体的连续性，并且偏离地质沉积的真实方向，特别是对于陡峭倾斜的地层。本研究建议将3D曲率分析扩展到震测剖面中的波形，这里表示为波形曲率，并研究辅助震波揭示的相关含义。荷兰北海F3地震数据集的应用表明，所提出的波形曲率分析的附加值在四个方面。首先，曲率算子区分凸弯曲和凹弯曲的能力允许通过反射体类型（峰、谷和零交叉）自动分解地震图像，这可以极大地促进计算机辅助层位解释和从3D地震资料建模。其次，符号最小曲率提供了一种新的分析方法，通过搜索与最小波形变化相关的方向来估计基本的和重要的反射层倾角属性。第三，有符号的最大曲率使得沿着反射同相轴的法线方向分析地震信号成为可能。最后，曲率分析提升了地震信号的频带，从而提高了识别和解释精细地震特征的视分辨率。
2019-02-01 physics.geo-ph
Joint inversion of Time-Lapse Surface Gravity and Seismic Data for Monitoring of 3D CO$_2$ Plumes via Deep Learning
Rice University（莱斯大学）；TotalEnergies EP Research and Technology USA（道达尔能源美国勘探与生产研究技术公司）
本研究提出基于深度学习的全三维时移地表重力与地震数据联合反演方法，用于地下CO$_2$羽流监测，相比单模态反演提升了重建与分割效果，为CO$_2$封存监测提供有效工具。
2023-09-24 cs.CV cs.LG physics.geo-ph
De-risking geological carbon storage from high resolution time-lapse seismic to explainable leakage detection
Georgia Institute of Technology（佐治亚理工学院）
提出联合反演非重复时移监测数据生成高保真时移图像的方法，避免高昂监测成本，并训练深度神经分类器自动检测CO2泄漏，在未见数据上表现合理。
2022-10-07 cs.CV cs.NA eess.IV
Time-lapse full-waveform permeability inversion: a feasibility study
本文研究从叠前时移地震数据直接反演渗透率的端到端框架，利用Compass模型模拟北海咸水层CO2封存，通过实验评估其对初始模型和建模误差的敏感性，验证方法可行性。
2024-03-06 cs.CE cs.NA math-ph
Coupled Time-lapse Full Waveform Inversion for Subsurface Flow Problems using Intrusive Automatic Differentiation
我们描述了一个新的框架，估计地下属性，如岩石渗透率和孔隙度，从时移观测地震资料耦合全波形反演，地下流动过程，岩石物理模型。对于反演建模，我们通过一种侵入式自动微分策略来处理梯度的反向传播，该策略提供了三个级别的用户控制：（1）在波动物理级别，我们采用离散伴随方法以使用我们现有的高性能FWI代码;（2）在岩石物理级别，我们使用来自$\texttt{TensorFlow}$后端的内置运算符;（3）在流动物理层次上，实现了势方程和非线性饱和方程的自定义PDE算子。这三层梯度计算在计算效率和编程效率之间取得了很好的平衡，当链接在一起时，构成了一个耦合的逆系统。我们使用数值实验来证明：（1）三层耦合反问题在精度方面优于传统的解耦反演策略;（2）它能够同时反演经验关系中的参数，如岩石物理模型;（3）反演模型可用于储层动态预测和储层管理/优化目的。
2020-05-05 physics.geo-ph
Deep generative model conditioned by phase picks for synthesizing labeled seismic waveforms with limited data
针对带标签地震数据不足，本文提出条件深度生成模型 PhaseGen，仅需单台站100个事件即可依据P、S波到时标签合成真实波形，并通过数据增强显著提升震相拾取性能。
2023-10-02 physics.geo-ph
A framework for subsurface monitoring by integrating reservoir simulation with time-lapse seismic surveys
本研究开发了一种耦合储层模拟与时移地震的方法，通过分离储层信号来跟踪流体前缘，以改进地下储层监测。
2023-08-30 physics.comp-ph physics.flu-dyn 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
Waveform-Based Probabilistic Seismic Hazard Analysis Using Ground-Motion Generative Models
National Research Institute for Resilience Engineering Research Center Earth Science and Disaster Resilience Graduate School of Engineering（国立研究开发法人防灾科学技术研究所地球科学与灾害韧性研究生院）；The University of Tokyo（东京大学）
本文提出一种基于波形的概率地震危险分析框架，利用生成对抗网络构建地面运动生成模型，通过蒙特卡洛模拟评估地面运动波形的概率分布，并验证其在实际工程中的应用效果。
2025-11-27 physics.geo-ph
Seismic full waveform inversion via a physics-guided Fourier representation neural network
School of Petroleum, China University of Petroleum-Beijing at Karamay（中国石油大学（北京）克拉玛依校区石油学院）
提出一种物理引导的傅里叶表示神经网络（PGFRNN），通过嵌入傅里叶变换地震数据、使用softplus近似log-cosh损失和物理引导优化器，实现无监督声学全波形反演，有效克服周期跳跃和噪声敏感性，在Overthrust模型上取得更高精度和鲁棒性。
2026-06-29 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
Rapid Seismic Waveform Modeling and Inversion with Neural Operators
该研究提出利用神经算子大幅加速地震波形建模，通过U型神经算子学习二维弹性波方程的通用解算子，实现比传统方法快近两个数量级的全波形建模，并支持对训练集外参数的准确模拟及基于自动微分的全波形反演。
2023-04-04 physics.geo-ph
Generative Adversarial Networks for Model Order Reduction in Seismic Full-Waveform Inversion
我训练一个生成对抗网络来生成逼真的地震波速度模型。我将发电机网络集成到地震全波形反演中，以减少模型参数的数量，并将反演模型限制为仅合理的模型。应用该方法的SEAM模型的2D部分，我证明了它可以产生更合理的结果比传统的全波形反演。
2018-06-03 physics.comp-ph physics.geo-ph
Convergent representations of elastic-wave structure emerge across deliberately distinct seismic training routes
Institute of Geophysics, China Earthquake Administration（中国地震局地球物理研究所）；University of Chinese Academy of Sciences（中国科学院大学）；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球内部地震学与物理学实验室）；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）
本研究证明不同地震训练模型（PNSN与SeismicXM）在实验室声发射上形成收敛的波形表示，并支持跨尺度到达波迁移，凸显紧凑模型的泛化能力。
2026-09-30 physics.geo-ph
A Mutil-conditional Diffusion Transformer for Versatile Seismic Wave Generation
本文提出一种多条件扩散Transformer地震波生成器，通过生成高质量波形训练下游模型，在真实波形上实现99%震相拾取召回率与精确率，并减少震级估计偏差，为解决区域标注数据不足问题提供了新途径。
2025-09-21 physics.geo-ph
Velocity determination for time lapse surveys using residual prestack depth migration
本文提出利用剩余叠前深度偏移后的时差分析估计时移地震速度横向变化，并通过菲涅耳孔径在低信噪比下实现局部速度确定，在透镜状和断裂储层模型中准确恢复了监测勘探速度。
2025-05-22 physics.geo-ph
Analysis of core-mantle boundary seismic waves using full\-waveform modelling and adjoint methods
利用谱元和伴随方法，我们研究了体波与地球最引人注目的界面--核幔边界（CMB）的相互作用。结合地形模型计算中高频地震图。我们分析了与界面相互作用的多个地震震相的敏感性。这项研究的目的是显示合成的CMB结构的影响，并突出了成像的困难，由于强烈的速度变化和地形之间的权衡这一地区。使用在6-18秒的主导周期计算的合成波形，以观察由于地形引起的时间偏移并计算伴随灵敏度核。我们重点讨论了绕射、岩心反射和折射的P波和S波。灵敏度核描绘了这些相位的第一菲涅耳区和可能有助于窄时间窗的其他菲涅耳区，尽管射线理论未预测到。我们进行比较，由于地形模型的全波形合成射线理论预测，以评估通常部署成像CMB的方法之间的时间偏移。这表明，对于大多数相位，射线理论表现得足够好，但有一些精度损失。我们建议在全波形反演中同时使用相关地震相可以改善CMB地形成像。然而，似乎有必要联合反演由于D”层引起的速度变化，到目前为止，对D“层的理解还很有限，并且在识别其对走时数据的影响时提出了挑战。在我们的进一步研究中，正在开发FWI工作流程，旨在解决这些问题。
2021-10-21 physics.geo-ph
Bayesian Time-Lapse Full Waveform Inversion using Hamiltonian Monte Carlo
Universidade Federal do Rio Grande do Norte（北里奥格兰德联邦大学）；Trinity College Dublin（都柏林圣三一学院）
本文提出了一种基于汉密尔顿蒙特卡罗的贝叶斯时序全波形反演方法，通过整合基线调查信息作为先验知识，提高了时序反演的精度和可靠性。
2023-12-09 cond-mat.stat-mech physics.data-an physics.geo-ph
Numerical Fréchet derivatives of the displacement tensor for 2.5-D frequency-domain seismic full-waveform inversion in viscoelastic TTI media
位移张量相对于地下的独立模型参数的导数，也称为Fréchet导数（或灵敏度核），是利用局部搜索优化算法进行地震全波形反演的关键成分。它们提供了由于给定勘测几何结构的地下模型参数的扰动而引起的地震图的预期变化的定量测量。由于2.5-D波场模拟涉及具有3D（球面）波特性的2-D地质模型中的真实点源，所以它产生的合成数据比通常使用的2-D波模拟更接近实际的实际场数据，2-D波模拟使用不现实的线源，其中波以圆柱形传播。基于我们最近发展的一般2.5-D波场模拟方案，我们应用摄动方法获得了一般粘弹性各向异性介质中2.5-D/2-D频率域地震全波形反演位移张量导数的显式解析表达式。然后，我们证明了所有这些衍生物在两种常见情况下的数值计算：（i）粘弹性各向同性和（ii）粘弹性倾斜横观各向同性（TTI）固体。不同的敏感性模式的各种衍生物的例子进行了研究，并比较了四个不同的同质模型，涉及2-D和2.5-D建模。
2022-12-15 physics.geo-ph
Micro-seismic Elastic Reflection Full Waveform Inversion with An Equivalent Source
本研究提出一种基于等效源的微地震弹性反射全波形反演方法，通过结合P波和S波数据，采用与源起震时间解耦的目标函数，同时反演源图像、时间函数和速度模型，有效克服了周期跳跃问题并提高了参数估计精度。
2023-10-18 physics.geo-ph
Time-lapse data matching using a recurrent neural network approach
时移地震资料采集是监测储层中由于流体注入（例如CO $_2$注入）而引起的变化的基本工具。通过在准确位置采集多个地震测量，我们可以通过分析数据中的差异来识别储层变化。然而，这种分析可能会被近地表的季节性速度变化、采集参数的不准确性以及其他不可避免的噪声所扭曲。解决这一问题的常见做法（交叉均衡）是使用预计不会发生变化的数据部分来设计匹配滤波器，然后将其应用于整个数据，包括水库区域。像交叉均衡一样，我们对不包括水库区域的部分数据训练一个循环神经网络，然后推断水库相关数据。循环神经网络可以学习数据的时间依赖性，这与基于在滤波器窗口中获得的局部信息来处理数据的匹配滤波器不同。我们演示了各种例子中的数据匹配的方法，并将其与传统的匹配滤波器进行比较。具体来说，我们首先展示了该方法在匹配两个轨迹的能力，然后在叠前2D合成数据上测试该方法。然后，我们通过提供RTM图像来验证4D信号的增强。我们使用归一化均方根和可预测性度量来测量可重复性，并表明在某些情况下，它克服了匹配滤波器的方法。
2022-04-02 physics.geo-ph
Bayesian weighted time-lapse full-waveform inversion using a receiver-extension strategy
针对时移全波形反演中非重复性问题导致模型有偏的难题，提出结合接收点扩展FWI与贝叶斯加权分析的方法，经两类地下模型验证可有效缓解噪声、生成更可靠的时移模型，可应用于4D时移项目。
2024-07-10 math.PR physics.geo-ph stat.AP
Multi-model full-waveform inversion
我们提出了一个多模型公式的全波形反演，类似于图像分解成一个“卡通”和“纹理”中使用的图像处理。反演问题被表述为无约束多范数优化，可以使用传统的迭代求解器来解决。我们证明了所提出的模型分解方法，通过从时移和单模型全波形反演问题中的噪声数据中恢复块状地下地震模型。
2014-10-26 physics.geo-ph
Bayesian Full-waveform Inversion with Realistic Priors
地震全波形反演（FWI）使用全地震记录来估计地下速度结构。这需要一个高度非线性和非唯一的逆问题来解决，贝叶斯方法已被用来量化的解决方案中的不确定性。变分贝叶斯推断使用优化来有效地提供解决方案。该方法已被应用于解决传输FWI问题，使用已知的地震样源产生的数据，与强先验信息施加在速度上。遗憾的是，这种关于速度结构和震源的先验信息在实践中是永远得不到的。我们提出的第一个应用程序的方法在地震反射设置，并与现实弱先验信息。因此，我们证明，该方法可以产生高分辨率的图像和可靠的不确定性，实际合理的先验信息。
2021-04-10 physics.geo-ph
Multi-scale seismic envelope inversion using a direct envelope Frechet derivative for strong-nonlinear full waveform inversion
传统的地震波包络反演是利用非线性失配泛函将地震记录的包络与观测波场记录联系起来，然后将非线性泛函线性化，利用波形的Frechet导数求出包络对速度的灵敏度核。我们知道，波形弗雷歇导数是基于波散射的玻恩近似，只能适用于弱散射的情况。因此，传统的波形弗雷歇导数包络反演方法在大尺度、强对比度包裹体的强散射情况下存在严重的局限性。本文从能量散射物理出发，在不使用微分链式法则的情况下，导出了一种新的直接包络Frechet导数（灵敏度算子）。这种新的包络Frechet导数不具有弱散射假设的波场，并可以应用于强非线性反演涉及盐结构的情况。我们还将包络数据扩展为多尺度窗口平均包络（WAE），它包含了丰富的低频分量，对应于介质的长波长速度结构。在此基础上，提出了一种新的多尺度直接包络反演（MS-DEI）与标准FWI相结合的联合反演方法，用于恢复复杂模型的大尺度强对比度速度结构。最后，我们展示了一些数值例子，它成功地应用于反演的1-D厚盐层模型和2D SEG/EAGE盐模型。
2018-08-15 physics.geo-ph
Low-magnitude seismic activity between the Kamchatka July 20 and July 29, 2025, earthquakes. Spatio-temporal evolution recovered using waveform cross-correlation
利用波形互相关技术恢复2025年7月20日至29日克里米亚地震的时空演变，揭示地震准备过程。
2026-01-10 physics.geo-ph
On extracting coherent seismic wavefield using variational symmetric autoencoders
本文提出变分对称自编码器SymAE，通过在潜空间中解耦相干震源信息与波形特定干扰信息，在不依赖反卷积的情况下从远震P波数据中提取高信噪比相干波场，并成功识别稳健震源信息、生成高分辨率虚拟地震图，适用于分析多次破裂的复杂地震。
2024-11-23 physics.geo-ph
Earthquake Source Depth Determination using Single Station Waveforms and Deep Learning
Department of Earth and Environmental Sciences, Dalhousie University（达尔豪斯大学地球与环境科学系）
本文提出VGGDepth网络，利用单站波形和深度学习确定地震震源深度，有效降低深度估计的不确定性。
2026-01-12 physics.geo-ph
An ObsPy library for event detection and seismic attribute calculation: preparing waveforms for automated analysis
我们对观测地震学obspy软件包进行了扩展，以提供一个针对非地震源地震信号处理的精简工具，特别是来自冰川和山体滑坡等变形系统的地震信号。该地震属性库提供以下功能：（1）下载和/或预处理地震波形数据;（2）使用来自一个或多个地震仪的多分量信号来检测和编目震波迹象;以及（3）计算所识别事件的特性（“属性”/“特征”）。该工作流程由三个主要功能控制，这些功能已经过测试，以确定永久性和非永久性部署的地震仪器所预期的数据类型的广度。所选择的STA/LTA类型（短期平均/长期平均）或其他事件检测算法可以应用于波形和实现的用户定义函数，以计算检测到的事件的任何所需特性。代码是用Python 2/3编写的，可以在GitHub上找到，还有详细的文档和工作示例。
2021-08-19 physics.comp-ph 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
Simultaneous inversion of layered velocity and density profiles using Direct Waveform Inversion (DWI): 1D case
我们提出并测试了直接波形反演（DWI）计划，同时反演分层速度和密度剖面，使用反射地震波形记录在表面上。记录的数据包括一次反射和层间多次波。DWI是在时空域中实现的。通过明确地执行波场时空因果关系，DWI可以递归地确定从浅到深的深度的尖锐界面以及层的属性的局部方式的地下地震结构。DWI与剥层法在频域上有所不同。由于不需要全局初始模型，DWI避免了许多非线性优化问题，例如局部最小值和大多数全波形反演方案中对精确初始模型的需要。本文通过两个数值试验，证明了利用不同入射角的平面波进行层状介质速度和密度多参数地震反演的DWI方法。与之前仅针对速度进行反转的DWI相比，这是一个重要步骤。
2021-08-07 physics.geo-ph
Seismic Full-Waveform Inversion Using Deep Learning Tools and Techniques
我证明了传统的地震全波形反演算法可以构建为递归神经网络，并使用TensorFlow等深度学习软件实现。应用另一个深度学习概念，即使用小批量数据的Adam优化器，比随机梯度下降和使用整个训练数据集计算成本函数和梯度的L-BFGS-B优化器更快地收敛到2D数据集上的真实波速模型。我还表明，使用反向模式自动微分的成本函数梯度计算是相同的伴随状态方法中使用的。
2018-01-31 physics.comp-ph physics.geo-ph
SeisLM: a Foundation Model for Seismic Waveforms
University of Basel（巴塞尔大学）；Université Grenoble Alpes（格勒诺布尔阿尔卑斯大学）；Université Savoie Mont Blanc（萨瓦勃朗峰大学）；CNRS（法国国家科学研究中心）；Université Gustave Eiffel（埃菲尔大学）；Sapienza University of Rome（罗马大学）；Pennsylvania State University（宾夕法尼亚州立大学）；Rice University（莱斯大学）
本文提出地震波形基础模型 SeisLM，通过自监督对比学习在开源地震数据上预训练，微调后在事件检测、震相拾取、起始时间回归和前震-余震分类等任务中表现优异。
2024-10-21 cs.LG physics.geo-ph
A computer vision-based approach to clean seismic catalogues
Sapienza University（罗马第一大学）；Seismix srl（Seismix公司）；University of Pisa（比萨大学）；Kyoto University（京都大学）
提出一种结合波形定位与深度学习图像分类的计算机视觉流程，通过相干矩阵的二值图像分类区分真实地震事件与噪声，提升地震目录的清洁度和定位精度。
2026-06-23 physics.geo-ph
Bayesian Variational Time-lapse Full-waveform Inversion
本文提出基于sSVGD的贝叶斯变分时移FWI方法，在无需准确基线和变化位置先验的条件下联合估计基线速度与速度变化的不确定性，联合反演在采集几何变化时表现最优。
2023-08-17 physics.data-an physics.geo-ph
Tremor Waveform Denoising and Automatic Location with Neural Network Interpretation
活动断层通过一系列的滑动模式释放板块运动所施加的构造应力，从缓慢的非稳态滑动到动态的震波迹象。慢地震通常与构造震颤有关，这种非脉冲信号很容易隐藏在地震噪音中而无法被检测到。我们提出了一种新的方法，旨在提高地震噪声中隐藏的震颤的检测和定位。在用经典的卷积神经网络识别震颤之后，我们依靠神经网络属性来提取核心震颤特征并对输入波形进行降噪。然后，我们使用这些干净的波形定位震颤与标准的基于阵列的技术。我们将这种方法应用于卡斯卡迪亚俯冲带，在那里我们确定与现有目录一致的震颤补丁。特别是，我们表明，从神经网络属性分析产生的清洁信号对应于在地壳和地幔中以与当地估计一致的波速行进的波形。这种方法使我们能够提取隐藏在噪声中的小信号，从而定位比现有目录更多的震颤。
2020-12-27 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
Full-waveform reconstruction of micro-seismic events via topological derivative approach
本文提出一种基于拓扑导数和矩张量反演的三维弹性体微震事件全波形重建方法，通过组合搜索实现震源定位与表征，数值实验验证了多事件重建、离网定位及抗噪能力。
2024-01-10 physics.geo-ph
MS_ATpV-FWI: Full Waveform Inversion based on Multi-scale Structural Similarity Index Measure and Anisotropic Total p-Variation Regularization
本文提出基于多尺度结构相似性指数测量（M-SSIM）与各向异性全p-变分正则化（ATpV）的FWI方法，利用自动微分优化目标函数，有效克服周期跳跃问题，准确表征复杂地下速度结构。
2025-04-02 physics.geo-ph
Prediction of the Kamchatka July 29, 2025, earthquake by the evolution of low-magnitude seismicity recovered using waveform cross-correlation at IMS seismic arrays
利用波形互相关（WCC）技术降低检测阈值，分析低震级地震活动演化，成功预测2025年堪察加地震，并扩展研究了互相关公报的复发曲线。
2026-06-17 physics.geo-ph physics.soc-ph
Optimal transport in full-waveform inversion: Analysis and practice of the multidimensional Kantorovich-Rubinstein norm
在过去的十年中，全波形反演已经成为一个强大的和有效的高分辨率的速度建模工具，震波成像，恢复复杂的地下结构的独特能力。最初基于使用最小二乘成本函数的数据拟合过程，它对周跳的敏感性很高，因此在处理观测到的和建模的震波迹象之间的大时移时效率很差。为了解决这个问题，通常的做法是使用数据的低时间频率并选择潜水波事件来开始反演。作为补充，研究了其他成本函数的使用。其中，基于最佳传输的成本函数似乎有吸引力，可能处理震波迹象之间的大的时间偏移。考虑到地震资料的特殊性，提出了几种受最佳传输启发的策略。其中，基于Kantorovich-Rubinstein规范的方法提供了直接使用地震资料的可能性和允许多维（数据坐标空间）应用的有效数值实现。在这里，我们提出了一个Kantorovich-Rubinstein规范的分析，讨论其理论和实践方面。我们分析的一个关键组成部分是反向传播的伴随源。重点分析了它的分段线性度，分析了它的频率成分和幅度平衡。我们还强调多层面执行的好处。此外，我们给出了实用的规则，设置调谐参数的数值实现。我们的一组合成和现场数据的例子证明了使用的Kantorovich-Rubinstein规范最小二乘全波形反演带来的改进，并强调了多维方法带来的改进，一维的。
2021-04-01 physics.geo-ph
Acoustic- and elastic-waveform inversion with total generalized p-variation regularization
地球物理模型通常同时包含尖锐的界面和平滑的变化，使用常规的全波形反演方法很难准确地解释这两种类型的介质参数变化。此外，稀疏的几何结构，噪声数据和源编码通常会导致强烈的反演伪影。我们开发了一种新的声波和弹性波的全波形反演方法，使用总广义p变分正则化方案来解决这些具有挑战性的问题。我们将全波形反演分解为两个子问题，并使用交替方向最小化策略解决这两个最小化子问题。全广义p变差正则化方法的一个重要优点是可以同时重建尖锐界面和平滑地球物理参数的背景变化。这种能力还可以有效地抑制源编码反演和稀疏数据反演或噪声数据反演中的噪声。我们证明了我们的新的全波形反演算法的优点，使用棋盘格模型，修改后的弹性SEG/EAGE逆掩模型，和陆地场地震数据集。合成和野外地震资料的反演结果表明，该方法既能准确地重建地下地球物理性质的平滑背景变化，又能准确地重建地下地球物理性质的尖锐界面，有效地减少了由于震源编码、噪声数据或数据覆盖不足等原因造成的反演伪影，为野外地震资料的准确可靠反演提供了一种有用的工具。
2018-08-11 physics.geo-ph
High Resolution Seismic Waveform Generation using Denoising Diffusion
提出基于扩散模型的高效可扩展生成模型HighFEM，通过频谱图和自编码器降维，条件化生成频率高达50Hz的高分辨率地震波形，准确再现真实地震动统计量。
2025-10-31 cs.AI cs.LG physics.geo-ph
Earthquake magnitude and location estimation from real time seismic waveforms with a transformer network
对地震震级和位置的精确实时估计对于预警和快速反应至关重要。虽然最近已经提出了多种用于快速评估地震的深度学习方法，但它们通常依赖于来自单个台站或来自一组固定的地震台的地震记录。在这里，我们介绍了一个新的模型，实时幅度和位置估计使用的注意力为基础的Transformer网络。我们的方法结合了来自一组动态变化的台站的波形，并在幅度和位置估计性能方面优于深度学习基线。此外，它优于一个经典的幅度估计算法相当，并显示出有前途的性能相比，一个经典的定位算法。在这项工作中，我们进一步进行了全面的研究，对训练数据的要求，训练程序和典型的故障模式，使用三个不同的和大规模的数据集。我们的分析提供了几个关键的见解。首先，我们可以精确地确定大型训练数据的影响;例如，四倍大的训练集将实时评估所需的时间减少了四倍。第二，基本模型系统性地低估了大规模事件。通过迁移学习将其他区域的活动纳入培训可以缓解这一问题。第三，位置估计在具有足够训练数据的区域中是高度精确的，但是对于训练分布之外的事件是强烈降级的。我们的分析表明，这些特征不仅存在于我们的模型中，而且存在于迄今为止发布的大多数用于快速评估的深度学习模型中。它们来自黑盒建模，并且它们的缓解可能需要对神经网络施加物理衍生的约束。
2021-04-14 physics.geo-ph
A Joint Inversion of Sources and Seismic Waveforms for Velocity Distribution: 1-D and 2-D Examples
针对波形反演中准确震源稀缺导致计算不稳定、结果偏差的问题，提出震源与初至波形交替协同反演方法，可得到可靠速度模型、缓解周期跳跃，放宽初始条件限制且可扩展应用。
2024-07-11 physics.geo-ph
Seismic monitoring of CO2 plume dynamics using ensemble Kalman filtering
本文利用集合卡尔曼滤波结合两相流动力学与时移全波形地震数据，对高维CO2储层羽流动态进行监测，显著提高了CO2饱和度估计精度，并为超参数选择提供了指导。
2024-09-08 physics.geo-ph
Waveform cross correlation for seismic monitoring of underground nuclear explosions. Part I: Grand master events
利用波形互相关对《全面禁止核试验条约》进行地震监测，需要全球统一覆盖，国际监测系统的阵列台站记录良好的主事件。互相关作为一种监测工具的本质在于将给定台站的数字波形与来自全球一组主事件的波形模板进行连续比较。在阵列站，互相关演示了更高的分辨率，因为在各个传感器从主事件和从事件的时间延迟是相同的，但它们可能不同于在标准波束形成中使用的理论。在主事件和波形模板可用的区域，相对于国际数据中心使用的标准波束成形和STA/LTA检测器，可以将信号检测的幅度阈值降低2至3倍。灵敏度的增益对应于体波幅度减少0.3至0.4个单位，并使检测到的事件数量加倍。这一成果对于《全面禁试条约》规定的地震监测至关重要。然而，真正的主事件的覆盖范围是稀疏的，并且仅限于历史地震活动的地区。在本研究的两个部分中，我们研究了用真实和合成的主事件填充全球网格的可能性。在第一部分中，我们在距离实际位置数百公里的常规网格上复制了一场高质量的大师赛。在第二部分中，我们使用合成地震记录对波形模板进行建模，目的是将它们应用于地震带。使用2012年4月11日苏门答腊地震（Ms（IDC）=8.2）的余震序列测试这两种方法。我们使用16个主事件来恢复IDC的Reviewed Event Bulletin中的余震。
2013-02-21 physics.geo-ph physics.soc-ph
On the full-waveform inversion of seismic moment tensors
在这项工作中，我们提出了一个全波形技术的空间重建和表征（微）地震事件通过联合源定位和矩张量反演。该方法是制定在频域中，它允许同时反演多个点状事件。在所提出的方法的核心是一个网格搜索的源位置，封装的最优性条件的各个时刻张量。的发展迎合compandies支持的弹性体$\mathbb{R}^2$，但我们的框架是直接扩展到逆（地震）源问题在$\mathbb{R}^3$涉及有界和无界的弹性域。一组数值结果，针对实验室的应用，包括说明的情况下，涉及的逆解的性能：（一）重建多个事件，（二）稀疏（逐点）边界测量，（三）“离网”的微震事件的位置，和（四）不精确的知识介质的弹性特性。
2020-07-13 math.OC physics.comp-ph physics.geo-ph
Estimation of poroelastic parameters from seismograms using Biot theory
我们调查的可能性，提取信息的地震波形中传播的充满流体的多孔介质，开发和使用一个完整的波形反演程序有效的层状结构。为了达到这一目标，我们首先解决了前向问题，通过实施的Biot理论在反射型模拟程序。然后，我们研究了层状介质的地震响应的孔隙弹性参数的敏感性。数值试验表明，孔隙度和固结参数是正反演中最敏感的参数，而渗透率对地震响应的影响很小。其次，将灵敏度算子的解析表达式引入到基于地震波形迭代建模的广义最小二乘反演算法中。应用该方法对合成数据进行反演表明，只要已知孔隙度、流体参数和固体参数，就可以正确地反演孔隙度、流体参数和固体参数。然而，一些模型参数之间的强地震耦合使得难以通过多参数反演方案来充分表征介质。克服这一困难的一个解决方案是根据岩石物理定律组合多个模型参数以反演复合参数。另一种可能性是针对介质性质的扰动（诸如由气体注入引起的那些）来反演地震资料。
2010-01-16 physics.geo-ph
Efficient scattering approach to seismic full-waveform inversion in anisotropic elastic media with variable density
本文提出一种无矩阵散射方法，利用畸变玻恩迭代和快速傅里叶变换加速Krylov子空间求解，实现各向异性弹性介质中变密度的全波形反演，提高计算效率并准确恢复参数。
2024-02-03 physics.geo-ph
Using Convolutional Neural Networks to Develop Starting Models for 2D Full Waveform Inversion
使用全波形反演（FWI）的非侵入式地下成像具有通过使得能够恢复地下刚度的高分辨率2D/3D图而从根本上改变工程场地表征的潜力。然而，由于反问题的复杂性和非唯一性，FWI的精度仍然对初始启动模型的选择非常敏感。作为回应，我们提出了卷积神经网络（CNN）的新应用，将使用表面传感器的线性阵列直接获取的实验地震波场转换为2D FWI的鲁棒启动模型。我们首先描述用于开发CNN的三个关键步骤，其中包括：选择网络架构，开发合适的训练集，以及网络训练的性能。训练后的CNN预测2D FWI的合适起始模型的能力与经典近地表成像问题的其他常用起始模型进行了比较;识别起伏的双层土壤-基岩界面。在这项研究中开发的CNN能够预测复杂的2D地下图像的测试集直接从他们的地震波场的平均绝对百分误差为6%。当与其他常见方法相比时，CNN方法能够产生具有较小地震图像和波形失配的起始模型，在FWI之前和之后都是如此。使用更复杂的三层模型评估CNN推广到与训练它的模型不同的地下模型的能力。虽然CNN的预测能力略有下降，但它仍然能够实现与其他常用的初始模型相当的地震图像和波形失配。这项研究表明，CNN具有很大的潜力，可以作为开发FWI良好启动模型的工具。
2021-04-04 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
