BriefGPT - AI 论文速递
·
多任务逆问题中的自加权贝叶斯物理推测神经网络和鲁棒估计在孔隙尺度溶解成像中的应用
💡
原文中文，约200字，阅读约需1分钟。
📝
内容提要
本论文提出了一种基于物理信息神经网络 (PINNs) 的直接微震成像框架，可以处理非常稀疏的记录数据并生成聚焦的源图像，以解决数据稀疏性导致的混淆问题，并使用多频率波场和倒数傅里叶变换来提取源图像，并引入因果损失以提高 PINNs 的收敛性，针对 Overthrust 模型和液压压裂现场数据进行数值实验，证明该方法可以正确成像单个或多个源。
🎯
关键要点
- 提出了一种基于物理信息神经网络 (PINNs) 的直接微震成像框架。
- 该框架可以处理非常稀疏的记录数据并生成聚焦的源图像。
- 解决了数据稀疏性导致的混淆问题。
- 使用多频率波场和倒数傅里叶变换来提取源图像。
- 引入因果损失以提高 PINNs 的收敛性。
- 针对 Overthrust 模型和液压压裂现场数据进行数值实验。
- 证明该方法可以正确成像单个或多个源。
➡️
