通过预训练速度模型生成变换网络实现浅层到深层先验传播
原文中文，约600字，阅读约需2分钟。发表于：。本研究解决了利用机器学习构建地下速度模型时，现有生成模型忽视空间依赖性和分辨率变化的问题。通过引入VelocityGPT，采用自回归训练的Transformer解码器，从浅层到深层生成速度模型，实现了通过浅层数据指导深层生成的创新方法。研究结果表明，VelocityGPT在合成数据上表现出色，为地震速度模型构建提供了有前景的应用途径。
我们提出了一个使用GANO的数据驱动模型，能够根据震级、破裂距离、VS30和构造环境生成振动加速度时间历程。验证结果显示该框架能够恢复震级、距离和VS30尺度，并生成一致的中位数尺度。该框架应用于风险定位地面运动。
