基于数据驱动的伪谱全波形反演与深度神经网络

本研究解决了在复杂环境中进行全波形反演（FWI）时面临的求解器选择和数据不足等问题。通过将伪谱FWI问题重新形式化为深度学习算法，提出了一种新颖的深度神经网络框架。研究发现，这种数据驱动的伪谱反演方法在更深和滑脱区域的表现优于传统FWI，具有更好的全局逼近能力。