DNN-based workflow for attenuating seismic interference noise and its application to marine towed streamer data from the Northern Viking Graben
针对地震干扰噪声分离中信号保真度的问题,提出一种结合传统算法预训练数据构建、多通道输入的DNN工作流,经北海北维京地堑实际数据验证,其处理质量优于传统算法。
2024-09-12 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
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
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
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
Seismic Arrival-time Picking on Distributed Acoustic Sensing Data using Semi-supervised Learning
分布式声传感(DAS)是一种新兴的地震监测和地下成像技术。DAS记录的地震信号具有几个明显的特征,例如未知的耦合效应、强烈的人为噪声和超密集的空间采样。这些方面不同于由地震网络记录的常规地震资料,使得目前利用DAS进行地震监测具有挑战性。需要新的数据分析算法来从DAS数据中提取有用的信息。之前对传统地震资料的研究表明,深度学习模型在挑选地震相位方面可以达到接近人类分析师的性能。然而,DAS数据上的相位拾取仍然是一个困难的问题,由于缺乏手动标签。此外,这两种数据格式之间的数学结构的差异,即,超密集DAS阵列和稀疏地震网络使得模型微调或迁移学习难以在DAS数据上实现。在这项工作中,我们设计了一种新的方法,使用半监督学习来解决DAS阵列上的相位拾取任务。我们使用预训练的PhaseNet模型作为教师网络来生成DAS数据上P和S到达的噪声标签,并应用高斯混合模型相位关联(GaMMA)方法来细化这些噪声标签以构建训练数据集。我们开发了一个新的深度学习模型PhaseNet-DAS,来处理DAS阵列的二维时空数据,并在DAS数据上对模型进行训练。新的深度学习模型实现了高拾取精度和良好的地震检测性能。然后,我们应用该模型来处理连续数据,并直接从DAS记录建立地震目录。我们使用半监督学习的方法为DAS构建有效的深度学习模型提供了一种方法,这些模型有可能改善使用大规模光纤网络的地震监测。
2023-03-14 physics.geo-ph
Artificial Seismic Shadow Zone by Acoustic Metamaterials
我们开发了一种新的抗震工程方法,使用声学超材料创建人工地震阴影区。通过设计带有几个侧孔的巨大空盒子,这些侧孔对应于地震波的共振频率,并将它们埋在我们想要保护的建筑物周围,地震波的速度变成了虚的。由许多元盒组成的元屏障衰减地震波,其通过耗散地震能量而指数地减小波的振幅。这是一种将地震能量转化为声音和热量的机械方法。我们估算了地震波产生的声级。这种区域保护方法不同于传统抗震设计的点保护,包括传统的隐蔽方法。元屏障创建了一个地震阴影区,保护区内的所有建筑物。通过计算机模拟对地震阴影区进行了检验,并与正常障碍物进行了比较。
2013-03-01 cond-mat.mtrl-sci 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
Fast GPU-Based Seismogram Simulation from Microseismic Events in Marine Environments Using Heterogeneous Velocity Models
提出了一种利用海洋非均匀速度模型快速生成由微地震事件引起的合成地震记录的新方法。三维弹性波动方程式的偏微分方程(PDE)的数值求解使用傅立叶域伪谱方法,这是并行的图形处理单元(GPU)卡上,从而使它比传统的基于CPU的计算平台更快。由于大型地质模型的计算上昂贵的正演模拟,单独的合成地震道的若干组合被用于指定的微震事件位置,以便模拟地下中的真实微震活动模式的效果。在这里,我们探索了数百个微震事件与不同的源机制使用各种组合,无论是在事件振幅和起源时间,使用模拟的压力和三分量粒子速度场通过1D,2D和3D地震可视化产生的模式。
2017-05-13 cs.DC physics.comp-ph 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
Real-time processing of distributed acoustic sensing data for earthquake monitoring operations
提出模块化软件框架,通过实时DAS波形流和机器学习走时拾取,将DAS数据无缝集成至地震监测系统,推动光纤网络在实时灾害评估中的应用。
2025-05-29 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
WaveDiffusion: Joint Latent Diffusion for Physically Consistent Seismic and Velocity Generation
University of North Carolina at Chapel Hill(北卡罗来纳大学教堂山分校);Los Alamos National Laboratory(洛斯阿拉莫斯国家实验室);Google DeepMind(谷歌DeepMind);Johns Hopkins University(约翰斯·霍普金斯大学)
WaveDiffusion通过联合潜在扩散生成物理一致的地震和速度数据,利用扩散过程建模并验证了潜在空间中PDE一致性。
2026-01-09 physics.geo-ph
RNN-DAS: A New Deep Learning Approach for Detection and Real-Time Monitoring of Volcano-Tectonic Events Using Distributed Acoustic Sensing
University of Granada(格拉纳达大学)
本文提出基于LSTM循环神经网络的RNN-DAS模型,利用分布式声学传感数据实现火山构造事件的实时检测与分类,准确率约97%,并具备跨火山泛化能力。
2025-03-14 physics.geo-ph
Spatiotemporal Modeling of Seismic Images for Acoustic Impedance Estimation
地震反演是指从地震反射数据中估计储层岩石性质的过程。传统的和基于机器学习的反演工作流通常以逐道的方式对地震数据进行处理,几乎不利用来自地震图像空间结构的信息。我们提出了一种基于深度学习的地震反演工作流程,不仅在时间上而且在空间上对每条地震道进行建模。这利用地震道在深度和空间方向上的信息相关性来进行有效的岩石性质估计。我们经验比较我们提出的工作流程与其他一些基于序列建模的神经网络,模型地震数据只在时间上。SEAM数据集上的结果表明,与研究中使用的其他架构相比,所提出的工作流程能够实现最佳性能,平均$r^{2}$系数为79.77\%。
2020-06-28 eess.IV physics.geo-ph stat.ML
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
Deep learning enhanced initial model prediction in elastic FWI: application to marine streamer data
针对低频数据缺失问题,提出用深度学习(FusionNET-CNN)从弹性FWI高频更新预测低波数初始模型,经合成与现场数据验证,可改善海洋拖缆数据反演收敛性。
2025-01-22 physics.geo-ph
An explicit granular-mechanics approach to marine sediment acoustics
本文采用颗粒力学理论与离散元模拟研究海洋沉积物声学,揭示无序颗粒堆积结构导致相速度和衰减的反常频率标度律。
2024-05-10 cond-mat.soft physics.geo-ph
Joint Learning for Seismic Inversion: An Acoustic Impedance Estimation Case Study
地震反演可以帮助油气学家建立精确的储层模型,用于勘探和生产。基于深度学习的地震反演通过训练神经网络来学习从地震数据到岩石属性的映射,使用测井数据作为标签。然而,由于钻井的高成本,测井记录的数量通常非常有限。如果在有限的数据上进行训练,机器学习模型可能会出现过拟合和泛化能力差的问题。在这种情况下,来自其他调查的测井数据可以提供更好地概括所急需的有用信息。我们提出了一个学习方案,我们同时训练两个网络架构,每个不同的数据集。通过对两个网络之间的权重相似性设置软约束,我们使它们相互学习,以便在各自的数据集上获得更好的泛化性能。使用少于3个$\%$的可用训练数据,我们能够通过与Marmousi数据集的联合学习在SEAM数据集的声阻抗伪逻辑上实现平均$r^{2}$系数0.8399。
2020-06-28 eess.IV physics.geo-ph
Estimation of Acoustic Impedance from Seismic Data using Temporal Convolutional Network
在勘探地震学中,地震反演是指从地震数据推断地下物理性质的过程。物理性质的知识可以证明有助于识别地下的关键结构,以进行油气勘探。在这项工作中,我们提出了一个工作流程,预测声阻抗(AI)从地震数据使用的时间卷积网络的基础上提出的问题,作为序列建模的网络架构。所提出的工作流程克服了其他网络架构通常面临的一些问题,如递归神经网络中的梯度消失或卷积神经网络中的过拟合。所提出的工作流程用于预测Marmousi 2数据集上的AI,其中保持验证集上的平均$r^{2}$系数为$91\%$。
2019-06-06 eess.IV eess.SP physics.geo-ph
Low-magnitude Seismicity with a Downhole Distributed Acoustic Sensing Array -- examples from the FORGE Geothermal Experiment
我们展示了井下分布式声学传感(DAS)阵列在探测、定位和表征犹他州地热能(FORGE)研究前沿观测站附近发生的低震级地震的能力。10.5在2019年4月至5月的增强型地热系统的初始刺激期间,在FORGE地热站点的监测井中采集了连续几天的数据。犹他州矿物山脉下的地震活动也发生在距离FORGE监测井10公里的范围内。在实验期间,犹他大学地震仪站记录了这些地区的四次地震。我们对DAS数据的处理,包括模板匹配,在此期间发现了82次地震,其中16次在区域网络上可见。通过DAS处理获得的完整性的大小至少比FORGE站点周围的密集表面阵列好M=0.5。虽然单个垂直DAS阵列由于其方位模糊性而在事件位置方面受到限制,但多个DAS井或井下阵列与地面站或近地面水平DAS的组合可以共同解析位置。所有检测到的事件可能起源于两个活跃的源区,可以聚类成几个不同的家庭。
2020-07-10 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
Real-world application of deep learning in large-scale seismic interference attenuation: A case study in the Camie field of Angola
Delft University of Technology(代尔夫特理工大学);VIRIDIEN (UK) Ltd(VIRIDIEN(英国)有限公司)
本研究展示深度学习工作流程在安哥拉Camie油田大规模地震干扰衰减中的实际应用,通过监督学习在共炮点域实现高效SI去除,相比传统算法具有更高精度和更少信号泄漏。
2026-10-08 cs.AI physics.geo-ph
Near real-time channel selection for Distributed Acoustic Sensing technology
University of Pisa(比萨大学);Ruhr University Bochum(波鸿鲁尔大学);Institut de Ciències del Mar, CSIC(海洋科学研究所,西班牙国家科学研究委员会);Istituto Nazionale di Geofisica e Vulcanologia(意大利国家地球物理与火山学研究所)
本文提出ORION方法,通过空间聚类和波形属性选择高质DAS通道,减少数据量并提升地震源定位精度。
2025-12-09 physics.geo-ph
Wave Propagation in Porous Elastoplastic Rocks: Implication for Seismic Attenuation
本文提出并研究了一个在岩石基体中具有两相物理和不可逆弹塑性变形的声波传播的一维模型。本文讨论了预应力沉积岩中孔隙尺度塑性屈服引起的P波浪能衰减效应。给出了排水岩石的数值示例,捕捉了该过程的主要物理方面。我们期望我们的模型可以用于监测流体流动的天然和人工水库,利用地震资料,以及它可以是有用的地震工程学。
2018-10-21 physics.geo-ph
Experimental evidence of accelerated seismic release without critical failure in acoustic emissions of compressed nanoporous materials
当材料接近宏观破坏时,声发射事件的总能量发生发散。数值和概念模型解释了这种加速地震释放(ASR)的方法与最终失败相一致的临界点。在这里,我们报告ASR在软单轴压缩的三个硅基(SiO $_2$)纳米多孔材料。而不是一个单一的临界点,AE能量的分布是固定的,在活动率的变化是足以解释的ASR导致不同的脆性破坏事件的多个周期的存在。我们建议,临界故障被抑制在AE统计耗散和瞬态硬化。从实验中估计的一些临界指数是兼容的平均场模型,而其他人仍然是开放的解释摩擦和断裂雪崩模型的解决方案。
2018-03-25 cond-mat.mtrl-sci physics.geo-ph
Semi-supervised Learning for Acoustic Impedance Inversion
深度学习在地震领域的最新应用在反演和解释等不同领域显示出巨大的潜力。一般来说,深度学习算法需要大量的标记数据来进行适当的训练。为了克服这个问题,我们提出了一个基于卷积和递归神经网络的声阻抗反演的半监督框架。具体地,地震道和声阻抗道被建模为时间序列。然后,基于神经网络的反演模型,包括卷积和递归神经层被用来反演地震数据的声阻抗。所提出的工作流程使用测井数据来指导反演。此外,它利用学习的地震正演模型来正则化训练,并作为反演的地球物理约束。所提出的工作流程使用20个AI迹线进行训练,在估计的弹性阻抗和目标弹性阻抗之间实现了98%的平均相关性。
2019-05-31 eess.IV eess.SP physics.geo-ph
Evolution of seismic signals and slip patterns along subduction zones: insights from a friction lab scale experiment
连续的GPS和宽带地震监测揭示了各种不同的滑动模式,特别是在浅倾俯冲带,其中包括定期地震,慢滑事件和无声地震1,2。缓慢滑动事件有时伴随着非火山性震颤(NVT),其起源仍然不清楚,要么与流体迁移有关,要么与摩擦有关。目前对整个滑动模式的理解是基于数值模拟,该数值模拟施加了从湿花岗岩凿的a和b的温度依赖性导出的速率和状态参数a和b4-6的特定值。在这里,我们调查的影响,累积滑动的摩擦和声图案的实验室规模的俯冲带。浅层大地震(粘滑事件),中等深度的缓慢,更深的无声地震(平滑滑动振荡)和最深的稳态蠕变(连续滑动)是通过接触界面的累积位移8的老化来再现的。声发射随着累积位移和界面老化而演变,遵循从类似于地震地震信号的强脉冲事件到类似于非火山震颤的较小振幅和较长持续时间信号的集合的趋势。NVT是接触界面局部失稳行为向稳定滑动状态演化的过程。
2008-01-11 physics.geo-ph
Seismic and acoustic signals from the 2014 'Interstellar Meteor'
该研究分析2014年“星际流星”的地震与声学数据,证明既有地震信号及定位不可靠,声学定位偏离火球约170公里,故海底回收物大概率并非来自该流星。
2024-04-03 astro-ph.EP astro-ph.IM astro-ph.SR
Infrasonic, acoustic and seismic waves produced by the Axion Quark Nuggets
我们主张通过分析伴随着轴子夸克块(Axion Quark Nuggets,AQN)在大气层和地下的次声波、声波和地震波来探测撞击地球的轴子夸克块。我们的估计次声频率$ν\simeq 5$ ~Hz和超压$δp\sim 0.3 ~$ Pa相对较大的尺寸暗物质(DM)的金块表明,目前可用的仪器的灵敏度已经足以检测非常强烈的(但非常罕见)的事件,今天与现有的技术。研究更频繁但强度较低的事件需要一种新型仪器。我们提出了一个系统的研究,以寻找这种相对较弱和频繁的事件,通过使用分布式声传感的检测策略,并简要地提到其他可能的检测方法。
2020-10-11 astro-ph.CO astro-ph.EP hep-ph
Extensive Characterization of Seismic Laws in Acoustic Emissions of Crumpled Plastic Sheets
地震和其他发出破裂噪音的系统之间的统计相似性已经在不同的背景下进行了探索,从材料科学到金融和社会系统。这样的类比为描述这些系统的复杂响应提供了统一和普遍的理论。然而,很少有人试图同时描述这种系统中最基本的地震定律。在这里,我们提出了一个完整的描述古腾堡-里希特定律,复发时间,大森定律,生产力定律,和巴斯定律的声发射发生在放松过程中的uncrumpling薄塑料片。我们的研究结果表明,这些法律也出现在这种现象,但(在大多数情况下)与地震和断裂实验报告的参数不同。因此,这项研究有助于阐明地震规律和开裂噪音在uncrumpling过程中的平行,揭示了惊人的定性相似性,但也表明,这些过程显示出独特的功能。
2016-06-06 cond-mat.mtrl-sci cond-mat.stat-mech physics.data-an
Elasto-acoustic modelling and simulation for the seismic response of structures: The case of the Tahtalı dam in the 2020 İzmir earthquake
作为一种评估大坝结构在地震中所面临风险的方法,我们采用了一种抽象的数学、三维、弹性声学耦合波传播模型,该模型考虑了(i)大坝结构本身,嵌入(ii)其周围地形,(iii)不同的材料土层,(iv)震源以及(v)充满水的水库湖,将水作为声学介质处理。作为广泛数值模拟的案例研究,我们考虑了2020年10月发生在伊卡里亚海(希腊)和距离那里约30公里(土耳其)的Tahtali大坝的30 $^{\rm th}$的7级地震事件。一项具有挑战性的任务是解决由于大坝建筑结构和感兴趣区域之间的巨大差异而存在的多个长度尺度,考虑地震的传播。结构和高度不协调的网格之间的界面在不同的尺度上解决了通过一个不连续的Galerkin方法。利用实际断层面的反演数据模拟震源。最后,我们执行一个真正的数据驱动,多尺度,全源到站点,基于物理的模拟的基础上不连续Galerkin谱元素方法,它可以精确地验证地面运动经历了沿Tahtali大坝,比较合成的地震图对实际观察到的。一个比较与一个更经典的计算方法,使用一个平面波与数据从反褶积地震图读数作为输入,进行了讨论。
2021-10-29 cs.NA math.NA physics.geo-ph
Aftershock sequences and seismic-like organization of acoustic events produced by a single propagating crack
非均质材料如岩石、混凝土或陶瓷的脆性断裂有两种类型:名义上的脆性,由单个主裂纹的扩展驱动;或准脆性,由许多微裂纹的积累引起。后者伴随着噪声,噪声的分析表明,事件形成余震序列,遵循着让人想起地震学的特征规律。但其起源缺乏解释。在这里,我们表明,这样的统计组织不仅是特定的准脆性破坏和地震学的多裂纹的情况下,但也规则的传播裂纹产生的声学事件。这种简单的情况使我们能够将这些定律与事件间时间和能量的整体无标度分布联系起来,并揭示它们对裂纹速度的选择。这些结果提供了一个全面的图片,如何组织声事件后,在最基本的断裂状态的材料故障:单传播裂纹。
2018-04-11 cond-mat.soft cond-mat.stat-mech physics.geo-ph
Urban Sensing Using Existing Fiber-Optic Networks
该研究将50公里通信光纤改造为分布式声学传感阵列,生成圣何塞地震源功率时空图,实现远程城市震源定位并揭示其与噪声、土地利用和人口特征的关联。
2025-03-25 physics.geo-ph
Characterizing Vehicle-Induced Distributed Acoustic Sensing Signals for Accurate Urban Near-Surface Imaging
该研究利用通信光纤DAS记录分析不同重量和速度车辆诱导的面波,发现重型车辆信号信噪比更高、相速度不确定性更低,可改善城市近地表成像。
2024-12-23 physics.geo-ph
Seismic noise interferometry for phase transmission fibre optics
本文研究相位传输光纤记录环境地震噪声的可行性,提出噪声自相关与干涉测量的理论解释,并在瑞士相位稳定光频网络数据上验证,为长距离光纤地震层析成像提供新途径。
2024-10-23 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
Seismic sensitivity of Normal-mode Coupling to Lorentz stresses in the Sun
理解太阳磁场的控制机制仍然是天体物理学中的一个突出挑战。地震学是推断太阳和恒星内部性质的最引人注目的技术。太阳中的波,名义上是声波,对磁场的出现和周期性加强很敏感,这可以通过测量与太阳周期相关的谐振频率的变化来证明。从这些测量中推断出的内部洛伦兹应力有可能大大提高我们对发电机的认识。事实上,地震逆理论的太阳是很好地理解的扰动成分,热结构和流动,但没有完全开发的磁性,由于复杂的理想磁流体动力学(MHD)方程。利用第一玻恩微扰理论描述太阳球对称流体静力学模型的偏离,并应用广义球谐函数表示法,计算了地震观测对一般时变洛伦兹应力张量的灵敏度函数。我们发现,各向同性(即仅声学)背景模型的本征态主要对应力张量的各向同性偏差敏感,对各向异性应力敏感得多(因此推断具有挑战性)。苹果不会离树太远。
2017-07-28 astro-ph.SR physics.geo-ph
Acoustic Full Waveform Inversion with Hamiltonian Monte Carlo Method
Universidade Federal do Rio Grande do Norte(北里奥格兰德联邦大学);Trinity College Dublin(都柏林三一学院)
本文提出了一种基于Hamilton蒙特卡洛方法的声学全波形反演新策略,通过调节质量矩阵提升模型重建效率与精度。
2023-01-31 cond-mat.stat-mech physics.geo-ph
Deep Learning for Surface Wave Identification in Distributed Acoustic Sensing Data
Lawrence Berkeley National Laboratory(劳伦斯伯克利国家实验室);Rice University(莱斯大学)
汽车和火车等移动载荷是非常有用的地震波源,可以使用环境噪声地震学技术对其进行分析,以获取地下材料的地震速度信息。这些信息对于各种应用都很有价值,例如近地表的岩土特性、地震危险性评估和地下水监测。然而,为了使这些过程快速收敛,应该选择具有适当噪声能量的数据段。分布式声学传感(DAS)是一种新型的传感技术,它能够在数十公里范围内以非常高的空间和时间分辨率采集这些数据。利用DAS技术时的一个主要挑战是产生的大量数据,从而提出了寻找有用能源区域的重大大数据挑战。在这项工作中,我们提出了一种高度可扩展和有效的方法来处理真实的,复杂的DAS数据,通过整合在数据勘探阶段获得的物理知识,然后进行深度监督学习,以识别人为活动产生的“有用的”相干表面波,这是一类地震波,在这些记录中很丰富,对地球物理成像很有用。对130兆字节(GB)的DAS测量进行数据探索和训练。使用并行计算,我们能够在不到30分钟的时间内对额外的170 GB数据(或相当于10天的记录)进行推断。我们的方法提供了可解释的模式,描述了地面人类活动与埋在地下的传感器的相互作用。
2021-04-27 cs.LG eess.SP 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
RBF-FD analysis of 2D time-domain acoustic wave propagation in heterogeneous media
径向基函数生成的有限差分(RBF-FD)是局部强形式无网格方法的一种流行变体,它不需要节点之间的预定义连接,使其更容易适应所考虑的问题。本文研究了在地球地下地震模拟中时域声波传播的RBF-FD解。通过大量的数值试验,从均匀到高度非均匀的速度模型,包括非光滑的不规则地形,我们证明了本方法可以进一步推广到解决任意复杂模型中的大规模地震建模和全波形反演问题,从而实现对地球物理观测的更鲁棒解释
2021-05-10 cs.CE cs.NA math.NA
Numerical simulations of seismo-acoustic nuisance patterns from an induced M1.8 earthquake in the Helsinki, southern Finland, metropolitan area
本文利用 SeisSol 对赫尔辛基大都市区一次诱发 M1.8 地震进行三维地震-声学耦合模拟,揭示 S 波产生最强声扰(声压级达 0.04 Pa),并发现合成振幅小于经验预测且受震源辐射模式与地形非线性相互作用影响。
2023-08-09 physics.comp-ph physics.geo-ph
Dynamics of soap bubble bursting and its implications to volcano acoustics
为了评估当巨大的气泡在岩浆管道顶部破裂时所涉及的物理机制,进行了实验室实验。超压气体腔最初由薄液膜封闭,然后突然破裂。研究了爆炸产生的声信号。关键的结果是,声信号的幅度和能量强烈依赖于膜破裂时间。由于在实验和现场中破裂时间是不受控制的,因此单独测量大气中的声学超压不能提供关于爆炸前气泡内的超压的任何信息。这可以解释经常在火山上观察到的次声、地震和爆炸动力学之间的低能量分离。
2010-04-13 physics.class-ph physics.geo-ph
Deep Learning on Real Geophysical Data: A Case Study for Distributed Acoustic Sensing Research
Lawrence Berkeley National Laboratory(劳伦斯伯克利国家实验室)
针对真实、大型和复杂科学数据集的深度学习方法在设计上可能非常具有挑战性。在这项工作中,我们提出了一个完整的搜索微调和有效缩放的深度学习分类器,以识别使用分布式声学传感(DAS)采集的地震数据中的可用能量。虽然在训练过程中只使用了标记图像的一个子集,但我们能够识别出合适的模型,这些模型可以准确地推广到未知的信号模式。通过使用16倍的GPU,我们可以在50,000张图像数据集上将训练速度提高两个数量级以上。
2020-10-15 cs.LG physics.geo-ph
Self-Updating Vehicle Monitoring Framework Employing Distributed Acoustic Sensing towards Real-World Settings
University of Hong Kong(香港大学)
针对DAS采集的海量含噪交通地震数据中车辆识别难的问题,提出带先验损失的半监督自更新车辆监测框架,仅需少量标注即可训练,在Stanford 2 DAS Array数据上准确率与鲁棒性优于YOLO和Efficient Teacher。
2024-09-16 cs.CV cs.LG eess.SP
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