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
Multiscale Data-driven Seismic Full-waveform Inversion with Field Data Study
针对地震全波形反演计算成本高且易陷入局部极小值的问题，提出基于全卷积网络的多尺度数据驱动反演方法，通过风格转换生成训练集并分别重建速度模型的高低频分量，显著降低了计算时间并提高了模型精度。
2023-11-25 physics.comp-ph 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
Quantitative and Qualitative Seismic Imaging and Seismic Inversion
我们认为震波成像包括地震反演。成像可以使用近似算子或时间而不是深度。时间处理是震波成像的重要组成部分，也是深度处理的重要组成部分。我们可以将震波成像分为定量方法和定性方法。定量方法是用数值方法求解，使模拟的地震资料逼近输入的地震记录。然后，我们将发展到定性方法，其中有三个方面。第一个方面是拓扑学和几何学。第二个方面是半群方法。第三个方面是使用不可微的解决方案。
2017-06-16 physics.geo-ph
Direct and indirect seismic inversion: interpretation of certain mathematical theorems
大多数地球化学家比较熟悉的定量方法是直接反演或间接反演。我们将讨论地震反演在一个高层次的意义上没有进入实际的算法。我们将继续讨论元方程，并根据某些数学定理来讨论利弊。
2017-11-04 physics.geo-ph
Robust joint full-waveform inversion of time-lapse seismic data sets with total-variation regularization
提出了一种利用全波形反演（FWI）从时移地震勘探数据重建地下速度模型变化的技术。该技术是基于同时反演多个调查年份，与模型差异正则化使用总变差（TV）的插值。我们比较了新的电视正则化的时间推移FWI与$L_2$正则化的联合反演在我们早期的工作中提出的，使用合成数据集，表现出调查的可重复性问题。结果表明，所提出的TV正则化联合反演的替代方法恢复生产引起的模型变化，是由于流体替代和地质力学效应的明显优势。
2014-09-29 physics.geo-ph
Ultra-low memory seismic inversion with randomized trace estimation
最近的工作扩展的图像体积，奠定了基础随机探测极大的地震波场矩阵的启发，我们提出了一个存储器节俭和计算效率高的反演方法，使用随机线性代数技术。通过一个精心挑选的现实的合成的例子，我们证明，我们能够实现有竞争力的反演结果的一小部分，传统的全波形反演的内存成本与有限的计算开销。通过将内存交换为可忽略的计算开销，我们用所提出的技术打开了使用低内存加速器（如GPU）的大门。
2021-04-01 cs.DM physics.comp-ph 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
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
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
Fast approximate simulation of seismic waves with deep learning
本研究提出一种基于WaveNet架构启发的深度神经网络，可单次推理近似水平层状介质多接收点地震响应，模拟速度较有限差分法提升一个数量级，为实时地震模拟及全波形反演等应用提供支持。
2018-07-18 physics.comp-ph 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
Joint Learning for Spatial Context-based Seismic Inversion of Multiple Datasets for Improved Generalizability and Robustness
地震反演在地震资料的精细地层解释中起着非常有用的作用。地震反演能够估计整个地震剖面上的岩石性质。传统的和基于机器学习的地震反演工作流限于独立于其他道来反演每个地震道以估计阻抗剖面，从而导致在地震资料中存在噪声和大的地质变化的情况下的横向不连续性。此外，如果模型在少量井上训练，则基于机器学习的方法会遇到过拟合的问题。我们提出了一个双管齐下的战略来克服这些问题。我们提出了一个时间卷积网络模型地震道时间。我们进一步注入空间背景为每个轨迹到其估计的阻抗分布。为了解决有限标记数据的问题，我们还提出了一种联合学习方案，即多个数据集同时用于训练，彼此共享有益的信息。这导致了所有数据集上的泛化性能的提高。我们提出了一个使用开源SEAM和Marmousi 2数据集进行声阻抗反演的案例研究。我们的评估表明，我们提出的方法是能够执行强大的和横向一致的估计阻抗存在的噪音地震资料和有限的标签。我们将我们的方法与文献中其他基于学习的地震反演方法进行比较和对比。在SEAM上，我们能够获得0.0966的平均MSE，是所有其他方法中最低的。
2021-04-06 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
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
Strategies for integrating uncertainty in iterative geostatistical seismic inversion
迭代地质统计地震反演将地震和井数据集成以推断地下弹性性质的空间发布。这些方法对反演的弹性性质的空间不确定性提供了有限的评估，忽略了不确定性的替代来源，例如与不良测井数据、放大和地震资料内的噪声相关的不确定性来源。我们表示不确定的测井样本，由于不良的测井读取和升级，在本地概率分布函数（PDF）。局部PDF被用作随机顺序模拟算法的调节数据，包括作为反演内的模型扰动。噪声的地震和狭窄的勘探模型参数空间的问题，特别是在早期步骤的反演，是通过引入一个上限的本地相关系数负责在下一次迭代的新的一组模型的生成。提出了一个单一的地质统计框架，并说明了其应用到一个真实的案例研究。当与常规迭代地质统计地震反演相比时，附加不确定性源的整合增加了真实和反演地震道之间的匹配以及在最后一次迭代中反演的模型集合内的可变性。局部PDF的选择在反演弹性模型的可靠性中起着核心作用。在反演的早期阶段避免高的局部相关系数增加了在反演结束时合成和真实地震反射数据之间的全局相关性方面的收敛。
2018-10-17 physics.geo-ph
Seismic Inversion by Newtonian Machine Learning
我们提出了一种波动方程反演方法，反演地下速度模型的离散化数据。地震道的离散化表示由训练良好的自编码器神经网络预测的低秩潜在空间变量组成。自动编码器的输入是记录的共炮点道集，隐函数定理用于确定相对于速度扰动的离散化数据的扰动。最终的速度模型是最好的预测所观察到的潜在空间参数。经验结果表明，周期跳跃的问题在很大程度上减轻相比，传统的全波形反演（FWI）的方法，由那些潜在的空间参数取代的波形差异。这种方法相对于其他骨架化数据方法的优势在于，不需要手动拾取重要特征，因为骨架数据是由自动编码器自动选择的。本文最重要的贡献是，它提供了一个通用的框架，使用解决方案的管理PDE反转任何类型的神经网络生成的骨架数据。控制方程可以是重力、地震波、电磁场和磁场的控制方程。输入数据可以是来自不同类型的数据及其骨架特征的记录，只要模型参数对它们的扰动敏感。骨架数据可以是自动编码器的潜在空间变量、变分自动编码器、或来自卷积神经网络（CNN）的特征图、或主成分分析（PCA）特征。换句话说，我们结合了牛顿物理学的最佳特征和机器学习的模式匹配能力，通过牛顿机器学习来反演地震资料。
2019-04-24 physics.comp-ph 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
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
A dual formulation of wavefield reconstruction inversion for large-scale seismic inversion
目前提出的大多数地震反演技术都集中在对背景模型选择或不准确的物理建模假设的鲁棒性上，但不适合大规模的3D应用。另一方面，工业问题的计算可行的方法，如全波形反演，是众所周知的陷入局部最小值，并需要足够的启动模型。我们提出了一种新的解决方案，这是可扩展的和不太敏感的启动模型或不准确的物理相比，全波形反演。该方法是基于经典的波场重建反演，其鲁棒性方面的局部极小值的对偶（拉格朗日）重新制定的文献中有很好的记载。然而，它不适合3D，因为它利用昂贵的频域解算器来求解波动方程式。建议的重新制定允许部署国家的最先进的时域有限差分方法，并计算工业规模的问题是成熟的。
2021-04-21 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
Properties of three seismic events in September 2017 in the northern Korean Peninsula from moment tensor inversion
对2017年9月3日朝鲜核试验场6. 3级、9月3日4. 6级和9月23日3. 4级震波迹象的震源特征进行了矩张量反演。为了克服比较中的困难，反演使用相同的台站、相同的结构模型、相同的算法、以及在波形处理中几乎相同的滤波器。结果表明，M6.3事件以爆炸成分为主，M4.6事件以内爆成分为主，M3.4事件以双力偶成分为主（约74%），其次为爆炸成分（约25%）。这三个震波迹象具有相似的质心深度。M3.4地震的双力偶分量显示出一条走向北东的正断层。
2017-10-04 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
Plug-and-Play regularized 3D seismic inversion with 2D pre-trained denoisers
提出利用二维预训练深度去噪器进行即插即用正则化，并推广至多智能体共识均衡，实现三维叠后地震反演，在SEAM和Sleipner数据上验证有效。
2024-01-01 physics.geo-ph
Seismic Inversion by Multi-dimensional Newtonian Machine
牛顿机器学习（NML）是一种波动方程反演方法，其反演地震资料的一维潜在空间（LS）特征以用于检索地下背景速度模型。一维LS特征主要包含了地震资料的运动学信息，它是利用自编码器网络从地震信号中自动提取的。由于其LS特征维数太小，不能很好地保留地震资料的波形变化等动态信息。因此，NML反演不能恢复高波数的速度细节。为了解决这个问题，我们提出了多维LS特征的反演，它可以充分代表整个地震资料的特点。我们将这种方法称为多维牛顿机器学习（MNML）。在MNML中，我们定义了一个新的多变量连接函数，它与多变量隐函数定理一起将速度扰动连接到多维LS特征扰动。数值试验表明：（1）多维LS特征比一维LS特征能保留更多的数据信息，（2）多维LS特征反演能恢复更高分辨率的速度模型，反演质量与FWI相当;（3）MNML方法需要的存储空间比传统的FWI小得多，因为只有高维的低维表示，需要存储多维地震资料。与NML方法相比，MNML的缺点是它更容易陷入局部极小值。因此，我们提出了一种多尺度反演方法，该方法随着迭代次数的增加而反演高维LS特征。
2021-12-16 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
Acoustic Impedance Prediction Using an Attention-Based Dual-Branch Double-Inversion Network
针对单分支半监督阻抗反演难以提取高频弱信号且受地震子波不确定性限制的问题，提出融合注意力、双分支双重反演与自适应子波拟合正演算子的 ADDIN-I，并在合成及实际数据中验证其优越性能。
2024-08-05 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
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
A Joint Inversion-Segmentation approach to Assisted Seismic Interpretation
构造震波揭示和定量表征是历史上相互交织的过程。后者提供地下性质的估计，其可用于辅助与原始地震资料和许多其它地震属性一起的结构解释。在这项工作中，我们将这个过程重新定义为一个逆问题，它试图联合估计地下性质（即，声阻抗）和基于用户定义的宏类的地下的分段表示。通过同时对量进行反演，反演由关于感兴趣区域的先验知识准备，同时它用实际地震测量来约束这种信念。由于所提出的功能是可分离的两个数量，这些优化的交替方式，其中每个子问题是使用原始对偶算法解决。随后，每个类被用作工作流的输入，该工作流旨在提取检测到的形状的周长并产生独特的视野。通过对合成数据集和野外数据集的数值算例说明了该方法的有效性。
2021-02-07 physics.geo-ph
Uncertainty Quantification in Seismic Inversion Through Integrated Importance Sampling and Ensemble Methods
本研究针对地震反演存在的固有不确定性问题，提出一种结合集成方法与重要性采样的不确定性量化新方法，在保证计算效率的同时提升了速度模型不确定性评估的准确性与可靠性。
2024-09-10 physics.geo-ph stat.ML
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
High-resolution closed-loop seismic inversion network in time-frequency phase mixed domain
针对时域地震反演频带捕获有限、薄层与弱反射储层分辨率不足的问题，提出TFP-CSIN，融合Bi-GRU、CNN及频域、相位域约束，实现高分辨率闭环双向反演。
2024-08-09 physics.geo-ph
Direction-Aware Masked Pretraining on 3D Seismic Data with Transfer to Cross-Area Acoustic Impedance Inversion
State Key Laboratory of Deep Oil and Gas, China University of Petroleum (East China)（中国石油大学（华东）油气藏地质与开发国家重点实验室）；College of Computer Science and Technology, China University of Petroleum (East China)（中国石油大学（华东）计算机科学与技术学院）
针对三维地震数据，提出方向感知掩码自编码器，通过各向异性分块与沿道掩码提升表示学习，在跨区域声波阻抗反演中较传统方法降低归一化均方根误差20.8%。
2026-09-29 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
Seis2Rock: A Data-Driven Approach to Direct Petrophysical Inversion of Pre-Stack Seismic Data
提出数据驱动方法Seis2Rock，通过从测井信息学习最优基函数，将叠前地震数据直接与带限岩石物理反射率关联，经训练与推理两阶段实现岩石物理参数反演，在合成与真实数据集上准确恢复了孔隙度等属性并成功应用于储层监测。
2023-09-05 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
Physics-Informed Cross-Learning for Seismic Acoustic Impedance Inversion and Wavelet Extraction
Chengdu University of Technology（成都理工大学）；School of Geophysics（地球物理学院）
本研究提出一种物理约束的交叉学习方法，用于改进地震声学阻抗反演和波形提取的性能。
2025-12-12 physics.geo-ph
Multi-scale uncertainty quantification in geostatistical seismic inversion
地质统计地震反演通常用于通过迭代随机顺序模拟/协同模拟扰动模型参数空间来推断地下岩石弹性性质的空间分布。推断的岩石弹性性质的空间不确定性表示与更新后的后验方差从合奏的模拟实现。在此设置中，用于生成岩石弹性实现的大规模地质（元参数），例如空间相关模型和感兴趣的属性的全局先验分布，被假定为对于整个反演域是已知的和固定的。这种假设导致低估了与反演模型相关的不确定性。我们提出了一个实用的框架来量化地震反演中大尺度地质参数的不确定性。该框架将地质统计地震反演与元参数的随机自适应采样和贝叶斯推断相结合，以提供更准确和更现实的不确定性预测，而不受大规模地质参数的沉重假设的限制。所提出的框架说明了合成和真实的案例研究。结果表明，与传统的地质统计学地震反演技术相比，该方法具有更可靠的声阻抗模型，具有更充分的不确定性分布。所提出的方法分别占地质的不确定性在大规模（元参数）和局部规模（逐道反演）。
2018-10-09 physics.geo-ph stat.AP
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
Transfer Learning Enhanced Full Waveform Inversion
Technical University of Munich（慕尼黑工业大学）
本文提出利用预训练神经网络为全波形反演提供良好初始点，从而减少无损检测中反演的迭代次数并提升效率。
2023-12-01 cs.LG physics.comp-ph physics.geo-ph
Unsupervised Learning of Full-Waveform Inversion: Connecting CNN and Partial Differential Equation in a Loop
Los Alamos National Laboratory（洛斯阿拉莫斯国家实验室）；The Pennsylvania State University（宾夕法尼亚州立大学）；Michigan State University（密歇根州立大学）；Microsoft Research（微软研究院）
本文研究了全波反演（FWI）的无监督学习，该方法已广泛应用于地球物理学中，根据地震数据估计地下速度图。该问题在数学上由二阶偏微分方程（PDE）表示，但很难求解。此外，获取速度图是极其昂贵的，使得扩大监督方法以利用卷积神经网络（CNN）训练从地震数据到速度图的映射是不切实际的。我们通过将PDE和CNN集成在一个循环中来解决这些困难，从而将范式转移到只需要地震数据的无监督学习。特别地，我们使用有限差分来近似PDE作为可微算子的正演模拟（从速度图到地震数据），并通过CNN来模拟其反演（从地震数据到速度图）。因此，我们将有监督的反演任务转换为无监督的地震数据重建任务。我们还引入了一个新的大规模数据集OpenFWI，为社区建立一个更具挑战性的基准。实验结果表明，我们的模型（仅使用地震数据）产生相当的精度监督对应（使用地震数据和速度图）。此外，当涉及更多的地震数据时，它优于监督模型。
2022-03-18 cs.LG eess.SP 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
Rapid seismic domain transfer: Seismic velocity inversion and modeling using deep generative neural networks
Imperial College London（帝国理工学院）；Open Energi Ltd.（Open Energi有限公司）；Technical University of Denmark（丹麦技术大学）；Euclidity SL（Euclidity SL公司）；Skolkovo Institute of Science and Technology（斯科尔科沃科学技术研究所）；Expero Inc.（Expero公司）
传统的基于物理的方法来推断地下属性，如全波形反演或反射率反演是耗时和计算昂贵的。我们提出了一种深度学习技术，通过将问题视为域转移问题，消除了对这些计算复杂方法的需求。我们的解决方案基于深度卷积生成对抗网络，大大减少了计算时间。基于两种不同类型的合成数据的训练产生了一个神经网络，当应用于真实数据集时，该神经网络可以生成逼真的速度模型。该系统的泛化能力意味着它对训练和测试数据集中固有的速度误差和伪影具有鲁棒性。
2018-05-22 cs.CV physics.geo-ph
Neural machine translation of seismic waves for petrophysical inversion
本文提出一种基于语言模型的确定性岩石物理反演方法，将地震波速度测量解码为地下土壤参数文本描述，实现三维结构刻画与水位预测，精度接近常规方法且速度提升2000倍。
2024-11-20 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
Crosswell seismic tomographic inversion using NSGA II
本文讨论了用NSGA Ⅱ多目标优化求解地震资料反演问题。地震反演包括根据波通过地震波的发射器和接收器的传播时间来估计地下岩石的慢度。反演过程使用多目标优化技术，其中需要估计失配泛函和稳定约束之间的折衷。使用的约束是经典的一阶吉洪诺夫。选择了倾斜层的综合模型。所得结果可接受。基于与解相关的累积误差的图形，它被正确地估计，即所使用的优化方法是有效的，获得可接受的结果，除了约束解决反问题的不稳定性问题处理。另一个重要的成果是在帕累托边界上实现了收敛曲线，这是未来研究的重要成果。
2022-08-02 math.OC physics.geo-ph
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
Quantification of Uncertainty and Its Propagation in Seismic Velocity Structure and Earthquake Source Inversion
本文提出定量评估速度结构模型不确定性并考虑其传播的贝叶斯多模型震源反演与PINN走时层析成像方法，应用于南海海槽震中测定，展望了SciML的前景。
2025-01-30 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
