BriefGPT - AI 论文速递
·
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。
🏷️
标签
➡️
