全波形反演的深度学习方法: 第 1 章 基本概念
本章介绍正反演的基本概念, 包括波, 正演, 反演, 仅供内部培训.
1.1 波的分类
波是地震正反演的基础.
- 纵波也称为P 波, 是指质点的振动方向与波的传播方向平行的波. 在天然地震中, P 波速度较快.
- 横波也称为S 波, 是指质点的振动方向与波的传播方向垂直的波. 在天然地震中, S 波速度较慢, 但其破坏力更强. 它仅在固体中传播.
- 声波是纵波. 通常作为最简单一种波来分析.
- 面波面波是地震波的一种, 主要在地表传播, 能量最大, 波速约为 3.8 千米/秒, 低于体波, 往往最后被记录到. 面波传播速度小于横波, 所以跟在横波的后面. 面波对地震的分析起到了很大的干扰作用.
1.2 正演
定义1.1 正演问题 (Forward problem) 是指根据某些一般物理原理或模型, 从某些已知具体条件来预测观测结果.
以地震数据为例:
- 物理原理包括波动方程等;
- 模型包括速度模型等;
- 数据包括地质构造、传播速度等;
- 观测结果包括地震数据等.
1.3 反演
定义1.2 反演问题 (Inversion problem)是指根据观测结果, 求解模型参数.
反演可以看作是正演的反问题.
以地震数据为例, 反演就是给地球打 CT 的过程, 目的是获得地下构造, 以探明石油、天然气、金属的储藏情况.
1.4 全波形反演
定义1.3 全波形反演 (Full Wavelength Inversion, FWI) 是指从观测结果直接获得模型参数的过程.
常规反演分为十几个工序, 优点是可以获得一系列具有物理意义的中间结果; 缺点是耗时耗力, 且每道工序需要引入相应的假设, 可能导致较大的偏差. 这类似于传话游戏, 从第一个人传到十个人, 结果可能很离谱.
全波形反演则不需要中间结果, 直接获得模型参数. 优点是将假设降到最低, 缺点是中间过程缺乏物理解释. 当前获得结果的分辨率也无法满足实际应用的需求. 这也是我们研究它的意义所在.
1.5 全波形反演的应用领域
包括但不仅限于 [1]:
- 地下能源勘探 (subsurface energy exploration), 包括石油、天然气、可燃冰等的勘探.
- 碳捕获与封存 (carbon capture and sequestration), 将空气中的 CO2_22 捕获并封存到油气井, 减小大气中的 CO2_22 含量, 对抗温室效应. 这是全球当前非常关注的问题, 与人类的生存相关.
- 地下污染物传播估计 (estimating pathways of subsurface contaminant transport), 排放的有害物质在土壤与水体中的传播. 这是环境工程关注的问题.
- 天然地震的预警 (earthquake early warning systems to provide critical alerts), 尽早发现天然地震, 并向人类提供预警. 由于地震传播速度比电的速度慢很多, 相应的预警系统已经在使用, 华为手机就提供该系统, 预警时间与震源到本地的距离成正比.
1.6 发展史
地球物理反演技术:
- 1967~1970年, Backus 和 Gilbert 开展了关于反演的研究, 为地球物理反演理论和方法奠定了基础. 他们的方法 (BG 反演) 是以光滑理论模型为基础, 与实际地下地质特征不完全相符;
- 1972 年, Wiggins 和 Jackson 等人先后提出了与BG反演模型相对应的离散模型反演;
- 1990 年, Seymour 等提出了利用地震剖面所过井位的声波测井资料作为约束来求取波阻抗, 使得地震反演进入了一个新阶段并得到了全面的应用.
全波形反演技术:
- 1984 年, Tarantola 提出了基于广义最小二乘的时间域全波形反演.
参考链接
- 科普: 地震反演简介
- 个人对正演和反演的通俗理解
- 全波形反演
- 地震反演的发展历程
- 百度百科中对横波纵波的解释
- 百度百科对声波的解释
- 知乎对面波的解释
参考文献
[1] Peng Jin, Xitong Zhang, Yinpeng Chen, Sharon Xiaolei Huang, Zicheng Liu and Youzuo Lin, Unsupervised learning of full-waveform inversion: connecting cnn and partial differential equation in a loop, ICLR 2021. https://blog.csdn.net/minfanphd/article/details/127995185
[2] 杨勤勇, 胡光辉, 王立歆. 全波形反演研究现状及发展趋势. 石油物探, 2014 (1): 7–82.
全波形反演的深度学习方法: 第 1 章 基本概念相关推荐
- 全波形反演的深度学习方法: 第 4 章 基于正演的 FWI
本章论述经典的 FWI, 它基于正演方法. 本贴仅供内部培训. 4.1 FWI 问题 图 4.1 FWI 的输入与输出 [1]. 图 4.2 FWI 的数学式子. 正演问题是建立从速度模型到地震数据的 ...
- 如何将全波形反演FWI与人工智能AI的神经网络做对比?
目录 1.全波形反演 2.神经网络 全波形反演可以说现在被地球物理界的小伙伴做烂了,一提到全波形反演大家先到的就是高精度...各种优点,可是他却有着与人工智能的同样的缺陷,那就是计算量的限制.但是在当 ...
- 利用Tesseral建模进行地震正演、全波形反演以及逆时偏移
要建立一个新模型,您需要先打开建模器,然后选择"File"->"New"菜单,输入模型的名称.大小和分辨率,然后点击"OK"按钮.这时 ...
- 语义分割中的深度学习方法全解:从FCN、SegNet到各版本DeepLab
语义分割中的深度学习方法全解:从FCN.SegNet到各版本DeepLab 原文:https://www.sohu.com/a/155907339_610300 图像语义分割就是机器自动从图像中分割出 ...
- 超实用总结:AI实践者需要用到的10个深度学习方法
大数据文摘作品 编译:小鱼.肖依月.高宁.Aileen 在过去十年里,大众对机器学习的兴趣与日俱增.几乎每天都可以在计算机科学程序.行业会议和华尔街日报上看到机器学习的身影.在所有关于机器学习的讨论中 ...
- 传统CV和深度学习方法的比较
点击上方"小白学视觉",选择加"星标"或"置顶" 重磅干货,第一时间送达 本文转自:新机器视觉 摘要: 深度学习推动了数字图像处理领域的极限 ...
- 基于深度学习方法的3D数据合成
点击上方"3D视觉工坊",选择"星标" 干货第一时间送达 3D 数据简介 人们普遍认为,从单一角度合成 3D 数据是人类视觉的基本功能.但这对计算机视觉算法来说 ...
- 3D目标检测深度学习方法中voxel-represetnation内容综述(三)
点击上方"3D视觉工坊",选择"星标" 干货第一时间送达 前言 前两篇文章:3D目标检测深度学习方法中voxel-represetnation内容综述(一).3 ...
- 在鱼眼和全向视图图像的深度学习方法
点击上方"3D视觉工坊",选择"星标" 干货第一时间送达 作者:黄浴 https://zhuanlan.zhihu.com/p/88675419 本文仅做学术分 ...
最新文章
- java普通项目打包成exe可执行文件
- WEB Application Development Integrator : 应用设置
- Objective C 中的nil,Nil,NULL和NSNull理解
- qt creater创建自己的第一个小程序
- keras从入门到放弃(三)逻辑回归 softmax
- C#| 使用String.Format()方法将小数点前的数字四舍五入
- asp.net2.0跨域问题
- let 和const
- ssh - 安全外壳协议的详解,为什么使用它
- 操作数据库出现错误的查找问题方法
- mysql管理工具_15款最佳的MySQL管理工具和应用程序
- 联想启天M415安装esxi6.7
- 【K70例程】003读取LM75A温度传感器(I2C)
- archive = ZipFile(filename, ‘w‘, ZIP_DEFLATED, allowZip64=True)—— 已解决
- 程序员如何缓解眼睛疲劳酸痛症状?
- 【读书】【沉思录】卷一
- RSS是什么,RSS怎么玩,RSS原理是什么
- 服务中读取当前用户注册表HKEY_CURRENT_USER
- OpenCV-Python教程:绘制直线、圆形、方形(line,circle,rectangle)
- Vue实现路径转二维码,并用手机扫码下载APP
热门文章
- homeassistant智能家居
- java毕业设计京津冀景区网上导游系统Mybatis+系统+数据库+调试部署
- 某查查app sign算法研究(二)
- Redis:报错Creating Server TCP listening socket *:6379: bind: No error
- TUH EEG seizure数据集TUSZ v1.5.2和v2.0都有
- 2021年美容师(中级)找解析及美容师(中级)证考试
- Java信息管理系统界面设计(包括登录界面及界面切换)
- Linux msr寄存器手册,MSR寄存器
- 技术驱动才是2B市场的主旋律
- STATA学习笔记:egen函数