Migration of a subsurface wavefield in reflection seismics: A mathematical study
在这一教学动机的工作，在反射地震迁移的过程已被认为是从严格的数学观点。具有恒定倾角的倾斜地下反射层已被证明会引起正常时差方程的移动，时差曲线的峰值跟踪椭圆轨迹。由于任何地下反射体实际上都具有不均匀的空间变化，因此通过采用波动方程式，使用更全面的偏移原理被认为是必要的。用这种方法导出了速度垂直变化的地下波场的振幅和相位的表达式。这种处理需要应用WKB近似，其自洽性已经由速度的对数变化在垂直方向上非常慢的事实建立，这是一个在越来越大的地下深度更强烈地支持的特征。最后，它已被证明，对于一个平面的地下波场，有一个等价的恒定速度Stolt迁移算法和固定相位近似方法（通过它的反射地下信号的起源被确定）。
2008-10-15 physics.geo-ph
Coherent Source Subsampling: A Data-Driven Strategy for Restoring Causal-Acausal Symmetry in Ambient Seismic Wavefield Correlations
Centre for Earth Sciences, Indian Institute of Science（印度科学研究所地球科学中心）
本文提出相干源子采样方法，通过数据驱动策略恢复环境地震波场相关性中的因果-非因果对称性，提高短时被动调查的成像稳定性。
2026-02-15 physics.geo-ph
Observation Site Selection for Physical Model Parameter Estimation toward Process-Driven Seismic Wavefield Reconstruction
针对地震大数据计算成本过高的问题，提出基于D-最优准则与参数灵敏度的观测站点选择方法，用于精准估计物理模型参数以实现过程驱动的地震波场重建，验证了方法有效性。
2023-06-19 eess.SP physics.geo-ph
Reducing Frequency Bias of Fourier Neural Operators in 3D Seismic Wavefield Simulations Through Multi-Stage Training
本文针对三维地震波场模拟中FNO模型偏向低频的问题，提出多阶段FNO训练策略，通过第二阶段残差学习显著降低高频误差，从而提升地面运动模拟的精度与真实感。
2025-03-10 physics.geo-ph
Learned frequency-domain scattered wavefield solutions using neural operators
提出一种基于神经算子的频域散射波场建模方法，通过嵌入震源位置和频率信息并利用单一参考频率，在OpenFWI数据集上验证了其作为替代模型解决亥姆霍兹方程计算和内存挑战的潜力。
2025-03-30 physics.geo-ph
Seismic Wavefield Reconstruction based on Compressed Sensing using Data-Driven Reduced-Order Model
提出了一种基于数据驱动降阶模型的压缩感知地震波场重构框架，并通过数值实验研究了其特性。数据驱动ROM是使用奇异值分解从波场的数据集生成的。利用稀疏离散观测数据和数据驱动的ROM重构空间连续的地震波场，利用基于贪婪算法的线性反问题传感器优化方法有效地选择用于重构的观测点。将该框架应用于具有水平分层三层地下结构的理论波形模拟数据。基于无噪声观测的重建结果验证了该方法的有效性。由于ROM的波场被用作先验信息，重建误差被降低到本框架的近似误差下限，即使用于重建的传感器的数量是有限的，随机选择的。此外，所提出的框架得到的重建误差是远远小于高斯过程回归得到的。对于具有噪声污染观测的数值实验，重建的波场由于观测噪声而退化，但是由本框架获得的具有所有可用观测点的重建误差接近误差下限，即使使用高斯过程回归的重建波场完全崩溃。虽然重建误差大于使用所有观测点获得的误差，但是通过将其与传感器优化方法相结合，可以减少用于重建的观测点的数量，同时使重建数据的劣化和分散最小化。
2022-11-26 eess.SP 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
Coherence-based approaches for estimating the composition of the seismic wavefield
随着开发和应用利用地球环境地震噪声场的新技术，例如用于观测地震速度结构的时间变化，关键是量化可以进行波型测量的精度。这项工作使用阵列数据在Homestake矿铅，南达科他州和得克萨斯州的Sweetwater阵列考虑两个方面，控制这种精度：类型的地震波有助于在微震频率和阵列几何形状的影响的环境噪声场。两者都是量化使用测量站之间的波场相干性结合维纳滤波器。我们发现一个强大的体波和表面波的内容之间的季节性变化。关于包括地下车站，我们量化了环境噪声场可以表征和再现的下限;当地下站包括在阵列中时，维纳滤波器的应用在再现环境噪声波形方面成功约4倍，导致具有小于1%残差的地震时间序列的预测，并且最终受到阵列的几何形状和孔径以及地震场中的时间变化的限制。我们讨论了这些结果的影响，为地球物理社区进行环境地震噪声的研究，以及取消地震牛顿重力噪声在地面为基础的，亚赫兹，重力波探测器。
2019-11-27 gr-qc physics.geo-ph
Physics-informed Neural Networks with Fourier Features for Seismic Wavefield Simulation in Time-Domain Nonsmooth Complex Media
针对坐标神经网络频谱偏差限制高频地震波模拟的问题，提出结合傅里叶特征与随机梯度下降及波速替代模型的FF-PINNs框架，通过吸收边界条件约束，在非光滑复杂介质中实现高精度波场模拟。
2025-06-18 physics.geo-ph
AstroSeis -- A 3D Boundary element modeling code for seismic wavefields in irregular asteroids and bodies
我们开发了一个三维弹性边界元法（BEM）的计算机代码，称为AstroSeis，模拟地震波场在一个机构与任意形状，如小行星。除了AstroSeis可以处理任意表面地形外，它还可以处理小行星模型中的液体核心。在我们目前的代码中，固体和液体域都是同质的。对于震源，我们可以使用单个力或力矩张量。AstroSeis是在频域中实现的，并且可以容易地并入与频率相关的Q。代码在MATLAB中，可以直接设置模型来运行我们的代码。频域计算有利于研究天体在周期性力（如引潮力）作用下的长期弹性响应，且不存在其他许多需要体网格划分的方法所存在的数值频散问题。我们的AstroSeis已经通过了其他方法的基准测试，例如正交模求和和直接解方法（DSM）。这个开源的AstroSeis将是研究小行星内部和表面过程的有用工具。
2020-07-02 astro-ph.EP physics.comp-ph physics.geo-ph
DiffPINN: Generative diffusion-initialized physics-informed neural networks for accelerating seismic wavefield representation
Division of Physical Science and Engineering（物理科学与工程学院）；King Abdullah University of Science and Technology（卡布斯大学）
针对PINNs在地震波场建模中重新训练耗时且收敛缓慢的问题，提出基于潜在扩散的初始化策略，通过自编码器与条件扩散模型生成网络参数，显著加速训练并在多种速度场景下保持高精度。
2025-05-31 cs.LG physics.comp-ph physics.geo-ph
Deep learning velocity filtering for seismic data
针对传统地震速度滤波方法的局限，提出基于上行波和下行波分离的深度学习算法，通过线性变换处理任意速度差问题，在多种地震数据处理任务中展现出与传统方法相当甚至更优的通用性和实用性。
2025-04-27 physics.geo-ph
Deep Preconditioners and their application to seismic wavefield processing
KAUST（阿卜杜拉国王科技大学）
震测资料处理在很大程度上依赖于物理驱动的反问题的求解。在存在不利的数据采集条件（例如，源和/或接收器的规则或不规则粗采样），潜在的逆问题变得非常不适定，并且需要先验信息来获得满意的解。稀疏促进反演，再加上固定基稀疏化变换，代表了许多处理任务的方法，由于其简单的实施和证明成功的应用程序在各种采集方案。利用深度神经网络找到复杂多维向量空间的紧凑表示的能力，我们提出训练AutoEncoder网络来学习输入地震资料和代表性潜在流形之间的直接映射。训练后的解码器随后被用作手头的物理驱动的逆问题的非线性预处理器。合成和现场数据提出了各种地震处理任务和建议的非线性，学习的变换表现优于固定基变换和收敛速度更快的寻求解决方案。
2022-07-20 cs.LG math-ph math.MP
Upside down Rayleigh-Marchenko: a practical, yet exact redatuming scheme for seabed seismic acquisitions
本文提出倒置的Rayleigh-Marchenko方法，将空间积分改在采样更好的震源面上进行，从而在稀疏接收器条件下实现理论上精确的海底地震基准面重建，并通过合成数据验证其在成像质量和振幅保真方面的优势。
2024-01-11 physics.geo-ph
Modelling strong seismic ground motion: three-dimensional loading path versus wavefield polarization
强震引起的地震波在地表土层中传播，既会降低土体刚度，又会增加进入土体的能量耗散。为了研究这种情况下的地震波放大，过去的研究一直致力于单向剪切波传播在土柱（一维传播），考虑一个运动分量（1C极化）。可以执行三个独立的纯1C计算（“1D-1C”方法），并且在弱运动（线性行为）的情况下直接叠加。本研究的目的是通过考虑地震波传播在一个1-D土壤剖面占的影响，3-D加载路径和土壤的非线性滞回特性的本地网站的影响进行研究。在所提出的“1D-3C”方法中，入射波的三个分量（3C偏振）同时传播到水平多层土壤中。一个三维非线性本构关系的土壤中实现的有限元法在时域的框架。土的复杂流变性是由Masing-Prandtl-Ishlinskiii-Iwan型的多表面循环塑性模型来模拟的。这种选择的最大优点是描述模型所需的唯一数据是模量降低曲线。进行参数研究，以表征由于入射波场特性和土壤非线性的地震运动的表层的变化。数值模拟表明，地震响应取决于几个参数，如极化的地震波，材料的弹性和动态性能，以及对层之间的阻抗对比度和频率的内容和输入运动的振荡特性。由于3C极化导致的3-D加载路径导致多轴应力相互作用，从而降低土壤强度并增加非线性效应。土壤的非线性特性可能对自由表面处的地震响应产生有利或不利影响，这取决于能量耗散率。自由表面的时间历程，应力-应变滞后环和八面体应力和应变的深度配置文件估计每个土柱。三个单独的1D…
2013-08-08 physics.class-ph physics.geo-ph
Robust data driven discovery of a seismic wave equation
本文提出 D-WE 方法，通过预训练神经网络、遗传算法和物理信息准则，从时空波场数据中自动发现波动方程结构及系数，并在含噪稀疏数据上验证了其鲁棒性。
2023-09-24 physics.geo-ph
SeparationPINN: Physics-Informed Neural Networks for Seismic P- and S-Wave Mode Separation
本文提出基于物理信息神经网络的无监督波场分离方法SeparationPINN，无需标签数据即可在均匀和非均匀介质中高效准确分离地震P波和S波。
2025-04-10 physics.geo-ph
Parametric study of the seismic response of a hill or mountain
本文用参数化方法研究了矩形圆柱形凸起对SH平面地震波的响应问题，以便回答下列问题：（i）在何处以及如何测量该响应，（ii）垂直入射响应是否是地震平面波的其它入射角处的响应的有效指示，iii）在不详细了解表面下成分的情况下，是否可能预测最大响应，iv）突起的纵横比如何影响谐振响应，以及v）谐振波场是否均匀分布在突起的内部？
2020-03-01 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
A Semblance-based Microseismic Event Detector for DAS Data
针对DAS高空间采样数据，提出一种基于相似性的微地震事件检测器，通过计算波形相干性识别事件，无需速度模型，在FORGE数据上检测事件数约为标准方法两倍。
2023-12-29 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
A simulation-free seismic survey design by maximizing the spectral gap
针对地震数据采集成本高的问题，提出一种无模拟勘探设计方法，利用模拟退火算法迭代增大随机子采样掩码的谱间隙，在固定采样率下提升波场重建质量。
2022-04-05 math.SP physics.geo-ph
Transcending Classical Neural Network Boundaries: A Quantum-Classical Synergistic Paradigm for Seismic Data Processing
College of Instrumentation and Electrical Engineering, Jilin University（吉林大学仪器电子学院）
本文提出量子-经典协同生成对抗网络QC-GAN，通过量子路径和卷积路径协同处理地震数据，突破经典GAN的表示瓶颈，提升复杂噪声下的波场连续性和振幅相位信息保留能力。
2026-03-25 cs.LG physics.geo-ph
Methods for Large Scale Hydraulic Fracture Monitoring
在本文中，我们提出了计算效率和鲁棒性的方法来估计矩张量和位置的微震波迹象（s）的大搜索量。我们的贡献是双重的。首先，我们提出了一种新的联合复杂性的措施，即核规范的总和，同时施加稀疏的裂缝（位置）的数量在一个大的空间体积，也捕捉到的秩1性质的诱导波场图案。该波场模式被建模为源特征与来自震源的跨接收器的振幅模式的外积。因此，在每个位置处的估计的波场图案的秩-1因式分解可以用于使用阵列几何形状的知识来估计地震矩张量。与现有的工作相比，这种方法允许我们放弃任何其他假设的源签名。其次，我们利用最近提出的一阶增量投影算法的快速和有效的实施所产生的优化问题，并开发一个混合随机和确定性算法，从而导致显着的计算节省。
2013-09-09 cs.CE physics.geo-ph
Seismic wave propagation in icy ocean worlds
地震学是在地球上发展起来的，并在20世纪塑造了我们对地球内部的模型。除了菲莱着陆器，迄今为止所有的地外地震学研究都局限于其他类地行星。它们都有一个共同点，在坚硬的地幔之上有一个坚硬的地壳。未来几年可能会在木卫二、土卫六和土卫二上安装地震仪，因此有必要使地震学概念适应全球海洋被冰覆盖的世界。在这里，我们使用波形分析来识别和分类波的类型，开发一个词汇的冰冷的海洋世界地震学的目的是有用的地震学家和行星科学家。我们使用宽带地震波场的谱元模拟的结果，以适应地震学的概念，冰冷的海洋世界。我们提出了一个简明的地震波命名方案，并概述了木卫二，土卫六，木卫三和土卫二的地震波场的特点。与地球物理内部模型密切相关，我们分析了木卫二和土卫六的模拟地震测量，这些测量可能用于约束控制冰下海洋可居住性的地球化学参数。
2017-11-17 astro-ph.EP physics.geo-ph
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
SeisBind: Physics-Aware Tri-Modal Representation Binding for Seismic Data via Contrastive Learning
The University of Tokyo Graduate School of Frontier Sciences（东京大学前沿科学研究生院）
SeisBind通过对比学习将地震数据与物理描述符结合，实现更可解释的地下速度模型构建。
2026-01-21 physics.geo-ph
WaRIance: wavefield reconstruction inversion with stochastic variable projection
我们提出了一种变化的波场重建反演地震反演，它利用随机线性代数作为一种方式，以克服传统的反演技术的典型局限性。因此，我们可以同时针对收敛停滞和大型3D应用的鲁棒性。其中心思想在于通过对波动方程误差协方差的低秩随机逼近来近似波场重建反演中所涉及的最佳松弛变量。其结果是，我们得到了一个家庭的反演方法参数化的一个给定的模型协方差（适合手头的问题）和相关的随机逼近草图的秩。我们的建议的挑战和优势，证明了一些数值实验。
2021-12-20 cs.NA math.NA physics.geo-ph
Generative wave propagator
Division of Physical Science and Engineering（物理科学与工程学院）；King Abdullah University of Science and Technology（国王阿卜杜勒-阿齐兹大学科学与技术学院）
研究针对地震波场模拟，传统有限差分法受限，提出基于条件扩散的波场传播器，利用波场历史等条件训练网络直接预测下一快照，引入因果时间加权损失提升稳定性，实验表明该方法能准确再现波场并加速。
2026-07-07 cs.AI physics.geo-ph
Reduced-order modeling for complex 3D seismic wave propagation
本文提出一种降阶模型方法，用于快速近似复杂三维地震波传播中的格林函数，并在大洛杉矶地区验证其能以极低计算成本高精度重现0.5 Hz地表速度波场和地震图。
2024-09-09 physics.geo-ph
Coda-Wave Monitoring of Continuously Evolving Material Properties and the Precursory Detection of Yielding
散射波场的非相干尾波已被证明是一种非常灵敏的定量监测工具。然而，它的成功往往是由一个温和的速度扰动的假设，并在没有显着的变化，材料的散射性能。岩石基质的变形对于监测波场而言代表散射功率的显著变化。在这项工作中，我们介绍了一个滚动的参考波场时，应用尾波干涉（CWI）和尾波解相关（CWD），以监测相对速度和材料散射功率的变化。我们演示了这种修改如何使无侧限抗压强度（UCS）测试中常见的材料变形阶段的定性监测。除了变形的一般阶段之外，在CWI和CWD方法中，材料屈服的间接/微妙开始是可识别的。因此，预计这种方法将使这些尾波为基础的方法，以强大的监测连续的，破坏性的过程在各种规模。可能的应用包括断层、诱发地震、滑坡和关键基础设施监测。
2019-02-26 physics.geo-ph
PINNslope: seismic data interpolation and local slope estimation with physics informed neural networks
King Abdullah University of Science and Technology (KAUST)（阿卜杜拉国王科技大学（KAUST））
本文提出PINNslope，通过联合训练主重建网络与辅助局部斜率估计网络并引入位置编码，实现混叠及大缺口地震数据的高精度插值。
2023-12-09 cs.LG eess.SP physics.geo-ph
Acceleration and Strain-Rate Elastic Wave Equation and its Finite-Difference Solution for Distributed Acoustic Sensing Seismic Simulations
Institute of GeoEnergy Engineering, Heriot-Watt University（赫瑞-瓦特大学地球能源工程学院）
该研究针对分布式声学传感地震模拟，引入基于加速度和应变率的公式，类似传统速度-应力框架，通过有限差分模拟验证，此公式能在复杂介质中精确产生应变率波场，无需数据转换或额外计算，更新现有理论框架和工具。
2026-07-13 physics.geo-ph
Representations for multidimensional down-down deconvolution of ocean-bottom seismic data: theory and practical implications
Delft University of Technology（代尔夫特理工大学）；Shearwater GeoServices；SLB（斯伦贝谢）
本文利用互易理论推导了接收端和源端的多维下行-下行反褶积表示，克服了水平层状介质假设，并分析了各自的数据驱动性及采样要求。
2026-05-29 physics.geo-ph
Wavefield solutions from machine learned functions
当我们试图用记录的地震资料来解释地球时，求解波动方程式是我们面临的最基本的问题之一。亥姆霍兹方程提供了与时域相比每个频率在维度上减小的波场解，这对于许多应用（如全波形反演（FWI））是有用的。然而，我们获得这种波场解的能力往往取决于模型的大小和波动方程式的复杂性。因此，我们在这里使用一个最近推出的框架，基于神经网络预测功能的解决方案，通过设置底层的物理方程作为一个损失函数，以优化神经网络参数。对于由模型空间中的位置给出的输入，网络学习预测该位置处的波场值，以及使用称为自动微分的概念来拟合其偏导数，在我们的情况下，拟合亥姆霍兹方程的形式。我们特别寻求散射波场的解决方案，考虑一个简单的均匀背景模型，允许背景波场的解析解。为神经网络（NN）提供来自模型空间的合理数量的随机点将最终训练完全连接的深度NN以预测散射波场函数。网络的大小主要取决于所需波场的复杂性，这种复杂性随着频率的增加和模型复杂性的增加而增加。然而，较小的网络可以提供更平滑的波场，这可能对反演应用有用。两个盒子形的散射体模型与源在中间，以及，Marmousi模型与表面上的源的初步测试证明了这种应用的NN的潜力。在3D模型上的附加测试证明了该方法的潜在通用性。
2021-06-02 physics.comp-ph physics.geo-ph
SubsurfaceGen: Procedural Generation of Field-Scale Earth Models and Seismic Data
Stanford University（斯坦福大学）
提出SubsurfaceGen，一个GPU加速的3D速度模型与地震数据生成器，并发布包含4276个2D速度切片、5秒波场和8秒炮集记录的数据集，用于评估机器学习在全波形反演中的表现。
2026-05-28 cs.LG 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
Analysis of Nonlinear Soil-Structure Interaction Effects on the response of Three-Dimensional Frame Structures using a One-Direction Three-ComponentWave Propagation Model
本文将三分量地震波在非线性多层土层中的单向传播模型与多层多跨框架模型耦合起来，以一种简单的方式考虑了有限元法模拟的土-结构相互作用。对三分量波传播进行建模可以考虑土壤多轴应力状态的影响。与轴向应力状态相比，这些降低了土壤强度并增加了非线性效应。三个分量的同时传播可以预测地面地震荷载的入射方向，并分析框架结构在三分量地震作用下的振动行为。进行了参数研究，以表征由于结构的动力特性，不同的入射波场特性和土壤的非线性效应的地震动的变化。观察到地震响应取决于诸如土壤和结构的频率内容以及地震波的偏振等参数。
2016-01-11 physics.geo-ph
Gas trap prediction from 3D seismic and well test data using machine learning
本文提出一种结合三维地震数据与试井资料、通过集成机器学习预测天然气圈闭的方法，并在三口盲井上取得f1 score为0.893846的高精度验证。
2024-01-23 cs.LG physics.geo-ph
A Frequency-Domain Beamforming Procedure for Extracting Rayleigh Wave Attenuation Coefficients and Small-Strain Damping Ratio from 2D Ambient Noise Array Measurements
本研究提出一种基于二维环境噪声台阵、结合衰减专用波场转换和频域波束形成的瑞雷波衰减系数提取方法，经数值模拟和现场试验验证，可用于反演小应变阻尼比与剪切波速度剖面。
2024-04-09 physics.geo-ph
Application of Marchenko-based isolation to a land S-wave seismic dataset
本研究将基于Marchenko的隔离技术应用于荷兰格罗宁根省的陆地S波地震数据，通过联合移除上覆和下伏地层影响，隔离30至270米深度目标区域的响应，提高了反射数据分辨率，可用于成像与监测。
2024-10-28 physics.geo-ph
Random and Coherence Noise Attenuation Complete Sequence for 2-D Land Seismic Data Acquired in Iraq
噪声是地震反射资料中常见的事件，在地震记录中具有十分显著的特征，影响着震测资料处理和解释。噪声衰减是地震处理数据中的一个基本阶段，通常导致震波揭示的改善，从而提高信噪比。地下水的存在是陆地地震勘探中产生显著噪声的主要形式。它是一种存在于地震图中的相干噪声，表现为线性事件，在大多数情况下与反射重叠，可能使识别具有挑战性。噪声衰减涉及到多个域，域变换是地震资料处理和成像处理中常用的一种复杂的算法标准工具，因此人们开发了大量的方法来衰减这些类型的噪声。在时间偏移域中，噪声波（如Groundroll和随机噪声）随时间相互重叠;不同的域更容易成功隔离相干、随机噪声和反射事件。介绍了抑制相干噪声和随机噪声的五个步骤：FDNAT、AGORA、RADMX、SCFIL、DDMED和时变带通滤波器。结果表明，不同的域实际上可以揭示被当前数据中存在的噪声所掩盖的特征和地质结构。由于这种滤波技术能显著提高二维地震剖面的最终成像质量，因此，在解释工作中，特别是在勘探和描述可能的圈闭时，这些滤波技术可能会给解释人员带来优势，特别是在构造和地层解释方面。
2019-04-22 physics.geo-ph
Deep Learning Seismic Substructure Detection using the Frozen Gaussian Approximation
我们提出了一种深度学习算法，用于地震界面和口袋检测，神经网络由冻结高斯近似（FGA）有效生成的合成高频位移数据训练。在震波成像中，高频数据是有利的，因为它可以提供子结构的高分辨率。然而，生成足够的合成高频数据集用于训练神经网络在计算上是具有挑战性的。这个瓶颈是克服了一个高度可扩展的计算平台上建立的FGA，它来自半经典理论和近似的波场的总和固定宽度（冻结）高斯波包。使用FGA从弹性波动方程式的正演模拟中产生数据。该数据包含精确的走时信息（来自射线路径），但不包含精确的振幅信息（即使在非常精细的数值分辨率下，渐近误差也不会缩小到零）。使用这些数据，我们使用开源API GeoSeg构建卷积神经网络模型，该API使用Keras和Tensorflow开发。在一个简单的模型上，尽管只对FGA数据进行了训练，但网络可以从谱元法生成的位移数据中以高成功率检测出界面。基准测试完成的P波（声波）和P-和S-波（弹性）使用FGA和谱元素的方法产生。此外，对于更复杂的几何形状，包括三层模型和2D口袋模型，其中神经网络由干净和有噪声的数据训练，显示了高精度的结果。
2019-11-05 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
GPU Accelerated 3D P-wave Source Free Adaptive Wavefield Reconstruction Inversion with an application to experimental VSP physical modeling data
提出GPU加速的三维无源自适应波场重建反演方法GPU-SF-AWRI，结合自适应精度、全变分正则化与在线震源估计，实现最高195倍加速并在VSP P波数据中验证有效。
2024-10-24 eess.SP math.OC physics.geo-ph
CNN-tuned spatial filters for P- and S-wave decomposition and applications in elastic imaging
纵横波分解是弹性介质中多分量地震资料成像的关键。提出了一种数据驱动的工作流程，以获得一组空间滤波器，这些滤波器在分解2D各向同性弹性波场中的P波和S波时是高度精确的和无伪影的。滤波器最初通过波数域算子的逆傅立叶变换来制定，然后在卷积神经网络中进行调谐，以使用合成快照来提高精度。空间滤波器对于在任何时间步长分解P波和S波是灵活的，而无需在整个波场快照上执行傅立叶变换，并且因此适合于面向目标的成像。合成数据的快照表明，网络调谐空间滤波器可以分解P波和S波，与其他空间域PS分解方法相比，分解精度有所提高。弹性逆时偏移使用P波和S波分解从所提出的算法显示出减少的伪影存在的高速度对比度。
2021-12-21 physics.geo-ph
Phase variance as a seismic quality-control attribute
本文提出相变作为地震质量控制属性，通过圆形统计学分析局部迹集合，自动量化局部相位分散，用于定义有效带宽并支持相位敏感工作流程。
2026-03-05 physics.geo-ph
Robust elastic full-waveform inversion using an alternating direction method of multipliers with reconstructed wavefields
本研究针对弹性全波形反演问题，采用带重构波场的交替方向乘子法构建迭代算法，利用分块海森矩阵提升更新效率，并通过数值实验验证了算法各组件的性能与鲁棒性。
2024-04-11 cs.NA math.NA 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
Physics-Informed Neural Networks for Viscoacoustic Wave Propagation: Forward Modelling, Inversion and Discretization Sensitivity
The University of Tokyo Graduate School of Frontier Sciences（东京大学前沿科学研究生院）；Jiangxi University of Water Resources and Electric Power（江西水利水电学院）
本文提出基于物理的神经网络框架，用于粘弹性波传播的正向建模与参数反演，实现了高分辨率地震建模与反演。
2026-01-22 physics.geo-ph
Seismic wave propagation and inversion with Neural Operators
California Institute of Technology（加州理工学院）；Purdue University（普渡大学）
地震波传播是地震学研究的基础，然而求解波动方程式是阻碍研究进展的主要计算负担。当速度结构或源位置被扰动时，必须进行新的模拟，这一事实加剧了这种情况。在这里，我们探索了一个使用最近开发的机器学习范式（称为神经运算符）学习一般解决方案的原型框架。经过训练的神经运算符可以在可忽略的时间内计算出任何速度结构或源位置的解。我们制定了一个计划，训练神经操作员的合奏与随机速度模型和源位置进行模拟。由于神经运算符是无网格的，因此可以在比训练更高分辨率的速度模型上评估解决方案，从而提供额外的计算效率。我们说明的方法与二维声波波动方程式和证明该方法的适用性地震层析成像，使用反向模式自动微分计算梯度的波场相对于速度结构。所开发的程序是近一个数量级的速度比使用传统的数值方法进行全波形反演。
2021-10-13 cs.LG physics.geo-ph
Hearing the forest for the trees: machine learning and topological acoustics for remote sensing with seismic noise
University of Arizona（亚利桑那大学）；University of Alaska, Fairbanks（阿拉斯加大学费尔班克斯分校）
利用机器学习和拓扑声学分析地震噪声，实现对森林的持续监测，准确率86%，识别关键频率范围，提供环境变化的稳健解决方案。
2026-02-10 physics.data-an physics.geo-ph
Efficient mechanical evaluation of railway earthworks using a towed seismic array and Bayesian inference of MASW data
本研究利用拖曳式地震阵列与MASW贝叶斯反演高效探测铁路土方工程中的低速层，显著提升采集效率并量化不确定性，为基础设施管理提供可靠决策支持。
2025-07-22 physics.geo-ph
Solving Seismic Wave Equations on Variable Velocity Models with Fourier Neural Operator
Lehigh University（理海大学）；Los Alamos National Laboratory（洛斯阿拉莫斯国家实验室）
在地下地震成像研究中，声波方程的求解是现有模型中的一个关键部分。深度学习的进步使得能够通过应用神经网络来识别输入和解之间的映射来求解偏微分方程，包括波动方程。当需要求解大量实例时，这种方法比传统的数值方法更快。以往用神经网络求解波动方程的工作，要么考虑单一速度模型，要么考虑多个简单速度模型，在实际应用中受到限制。相反，受算子学习思想的启发，这项工作利用傅立叶神经算子（FNO）在变速模型的背景下有效地学习频域地震波场。我们还提出了一个新的框架-傅立叶神经算子（PFNO），用于在给定多个源位置和频率的情况下有效地训练基于FNO的求解器。数值实验表明，在OpenFWI数据集上采用复杂速度模型时，FNO和PFNO都具有较高的精度。此外，跨数据集的泛化测试验证了PFNO适用于分布外速度模型。此外，PFNO在标签中存在随机噪声的情况下具有鲁棒性能。最后，PFNO承认更高的计算效率在大规模的测试数据集比传统的有限差分方法。上述优点赋予了基于FNO的求解器建立强大的地震波研究模型的潜力。
2023-02-19 cs.LG physics.geo-ph
