Распространение и инверсия сейсмических волн с использованием нейронных операторов
Seismic Wave Propagation and Inversion with Neural Operators
2021-10-01
SCID: 54.1/hmfr6cau
Discuss with AI
полноволновая инверсиянейронные операторыавтоматическое дифференцирование в обратном режимесейсмическая томографияраспространение сейсмических волн
Figures from the paper
Abstract (AI)
Распространение сейсмических волн лежит в основе большинства направлений сейсмологических исследований, однако решение волнового уравнения представляет собой значительную вычислительную нагрузку, сдерживающую развитие исследований. Ситуация усугубляется тем, что при каждом изменении скоростной структуры или местоположения источника необходимо выполнять новые моделирования. В данной работе рассматривается прототипная схема обучения обобщённым решениям с использованием недавно разработанной парадигмы машинного обучения, называемой нейронным оператором. Обученный нейронный оператор способен вычислять решение за пренебрежимо малое время для любой скоростной структуры или любого местоположения источника. Разработана схема обучения нейронных операторов на ансамбле моделирований, выполненных со случайными скоростными моделями и местоположениями источников. Поскольку нейронные операторы не привязаны к сетке, решения можно вычислять для скоростных моделей с более высоким разрешением, чем использовавшееся при обучении, что обеспечивает дополнительную вычислительную эффективность. Метод проиллюстрирован на примере двумерного акустического волнового уравнения; также продемонстрирована его применимость к сейсмической томографии с использованием автоматического дифференцирования в обратном режиме для вычисления градиентов волнового поля по отношению к скоростной структуре. Разработанная процедура почти на порядок быстрее традиционных численных методов полноволновой инверсии.
Key Findings
1
Разработана архитектура нейронного оператора, обучаемая обобщённым решениям двумерного акустического волнового уравнения для различных скоростных структур и положений источника.
2
После обучения на симуляциях со случайными скоростными моделями и положениями источника нейронный оператор вычисляет новые волновые поля практически мгновенно.
3
Благодаря независимости нейронных операторов от сетки обученная модель может вычислять решения на моделях с более высоким разрешением, чем использовавшееся при обучении.
4
Обратное автоматическое дифференцирование позволяет эффективно вычислять градиенты волнового поля по отношению к скоростной структуре для сейсмической томографии.
5
Разработанная процедура почти на порядок быстрее традиционных численных методов при полноволновой инверсии.
Research Object
2D акустическое распространение сейсмических волн, описываемое волновым уравнением, при различных структурах скоростей и положениях источника
Research Subject
Моделирование и инверсия волновых полей с помощью нейронных операторов, включая вычисление градиентов по отношению к структуре скоростей и вычислительную эффективность при полноволновой инверсии
Publication Details
Publication Date
2021-10-01
Journal
Publisher
ISSN
Cited by
144
Open access PDF
Access Type
Author Information
Download PDF
Subscribe to digest