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
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
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
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
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
Institute of Geophysics, China Earthquake Administration(中国地震局地球物理研究所);Institute of Earthquake Forecasting, China Earthquake Administration(中国地震局地震预测研究所);School of Mathematical Sciences, University of Chinese Academy of Sciences(中国科学院大学数学科学学院);Shanghai Artificial Intelligence Laboratory(上海人工智能实验室)
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
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
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
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
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
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
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
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
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
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
Seismic Inversion by Hybrid Machine Learning
我们提出了一种新的地震反演方法,该方法使用深度学习(DL)特征进行地下速度模型估计。DL特征是高维地震资料的低维表示,由卷积自动编码器(CAE)自动生成并保存在潜在空间中。低维DL特征包含输入地震资料的关键信息。因此,代替直接比较观测数据和预测数据之间的波形差异,例如全波形反演(FWI)。我们衡量他们的DL功能差异的潜在空间的CAE。这种低维比较的优点是,与FWI相比,它不太容易出现循环跳跃问题。这是因为当潜在空间维数较小时,DL特征主要包含输入地震资料的运动学信息,如走时。然而,更多的动态信息,如波形的变化,可以保留在DL功能时,潜在的空间维度变得更大。因此,我们提出了一种多尺度反演方法,从反演地下模型的低波数信息的低维DL功能。然后通过对高维DL特征进行反演,恢复其高波数细节。然而,不存在在同一方程中包含速度和DL特征项的控制方程。因此,我们使用的自动微分(AD)数字连接的DL功能的扰动的速度扰动。换句话说,我们通过使用AD将深度学习网络与波动方程反演连接起来。我们将这种混合连接称为混合机器学习(HML)反演。在这里,AD用一个黑盒子取代了梯度的复杂数学推导,因此任何人都可以在没有深刻的地球物理背景的情况下进行HML。
2020-09-15 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
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
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
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
Anomalous-diffusion synthesis of non-Gaussian reservoir anomalies for time-lapse seismic inversion
Universidade Federal do Rio Grande do Norte(北里奥格兰德联邦大学)
该研究开发基于物理知识的时移地震反演框架,针对现有方法无法捕捉储层反常输运特征的问题,引入时空分数扩散数据生成器,训练卷积神经网络,经验证能准确重建异常,扩展了4D地震反演适用性。
2026-07-27 physics.geo-ph
Geometric theory of inversion and seismic imaging
反演的目的是用一个特定的建模方程来估计产生观测数据的模型。反演的一种通用方法是使用本质上是代数的优化方法来定义目标函数。这是目标函数的情况,例如最小化幅度的RMS、层析成像中的残余走时误差、互相关以及有时混合不同的范数(例如,模型的L1 + RMS误差的L2)。代数目标函数假设最优解会得出正确的几何形状。有时很难理解一个数字(拟合误差)如何奇迹般地得出地球模型的详细几何形状。如果将地球建模为二元岩石参数(只有两个速度变化值),则可以看到地质体的褶皱边界的几何形状可能无法通过使用代数目标函数的反演来求解。
2015-06-01 physics.geo-ph
Geostatistical Rock Physics AVA Inversion
储层模型是地下岩石物理性质(如孔隙度、矿物体积和流体饱和度)的数值表示。这些通常是从两步方法中的地震反演推断出的弹性模型导出的:首先,地震反射数据被反演为感兴趣的弹性属性(如密度、P波和S波速度);然后这些被用作约束属性来模拟地下岩石物理变量。顺序方法不能确保不确定性在整个地质建模工作流程中的适当传播,因为它没有描述观测到的地震资料与所得岩石物理模型之间的直接联系。岩石物理模型将这两个领域联系起来。我们建议将地震和岩石物理建模集成到迭代地质统计地震反演方法中。所提出的方法允许通过同时整合测井、地震反射数据和岩石物理模型预测来直接推断孔隙度、页岩体积和流体饱和度。随机序贯模拟被用作模型参数空间的扰动技术,校准的相相关岩石物理模型将弹性域和岩石物理域联系起来,并且基于交叉基因演算法的全局优化器确保了方法从迭代到迭代的收敛。该方法应用于从北海储层的真实储层数据集提取的3D体积,并与地质统计地震AVA进行比较。
2018-10-14 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
Deep Learning-Based 3D Seismic Velocity Inversion Under Dual-Domain Sparse Representation
Ocean College, Zhejiang University(浙江大学海洋学院)
本文提出一种双域稀疏深度学习框架,利用离散余弦变换压缩地震数据和速度模型,提升3D地震速度反演的效率与精度。
2026-03-18 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
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
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
Seismic amplitude-variation-with-offset inversion using an algebraically equivalent formulation of the exact Zoeppritz equations and a matrix-free adjoint-state framework
University of Stavanger(斯塔万格大学)
该研究旨在通过地震振幅随偏移距反演估计弹性属性,推导精确佐普里兹方程代数等效公式及卷积目标函数的显式伴随状态梯度,构建无矩阵伴随状态框架,经多组数据验证及现场应用,能稳定可靠地估计弹性属性模型。
2026-07-08 physics.geo-ph
Deconvolutional double-difference misfit measurements and the application for full-waveform inversion
从野外资料中确定地质信息模型是全波形反演的一个挑战。一个不准确的小波可以使它更复杂。为了消除子波误差对反演结果的影响,我们提出了一种新的失配函数,称为反卷积双差失配度量。不同于流行的双差失配测量中的第一个差异是由互相关评估,建议采用反卷积来做这一步。数值算例表明,新的失配函数的全波形反演是弹性的子波不准确。它也可以收敛到合理的局部极小值,甚至从粗糙的初始模型。
2022-01-11 physics.geo-ph
An anti-noise seismic inversion method based on diffusion model
提出基于扩散模型的无监督与半监督联合学习地震反演方法(DSIM-USSL),利用扩散模型和两步训练策略,在随机噪声和强噪声下提高反演精度与稳定性。
2024-05-08 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