反演-深度操作网络:基于深度操作网络的编码-解码新网络用于全波形反演

💡 原文中文,约500字,阅读约需1分钟。
📝

内容提要

本研究提出了一种基于深度学习的地震速度反演方法,使用SVInvNet模型训练和测试,性能优异。与全波形反演方法相比,该模型参数更少且更有效。

🎯

关键要点

  • 本研究提出了一种基于深度学习的地震速度反演方法。

  • 研究针对不同规模的嘈杂和噪声较小的训练数据集。

  • 引入了增强型的多连接编码器-解码器结构以处理复杂信息。

  • 解决了非线性地震速度反演的挑战。

  • 创建了多层次、错误和盐穹模型等多种地震速度模型。

  • 研究了环境噪声和训练数据集大小对学习结果的影响。

  • SVInvNet 在750到6000个样本的数据集上进行了训练。

  • 使用包含12000个样本的大型基准数据集进行了测试。

  • 尽管参数较基准模型更少,SVInvNet 仍取得了优异的性能。

  • 与全波形反演(FWI)方法进行了比较分析,展示了模型的有效性。

➡️

继续阅读