瑞利波频散新数学模型及基于机器学习的反演求解器
数值分析
2021-06-29 v1 数值分析
摘要
本工作中，通过引入地震阻抗张量，我们提出了地球均匀分层介质中一种新的瑞利波频散函数，其为计算频散曲线——频率与相速度之间的关系——提供了高效途径。基于这一新建立的正演模型，我们利用混合密度网络(MDN)开发了一种基于机器学习的反演方法，命名为FW-MDN，用于从频散曲线估计S波速度的问题。FW-MDN方法处理了反演频散曲线获取地壳与上地幔模型研究中遇到的非唯一性问题，并在具有不同噪声结构的数据集上取得了令人满意的性能。数值模拟表明，FW-MDN在模型刻画方面具有计算简便、高效计算和高精度的特点。
引用
@article{arxiv.2106.14025,
title = {A new mathematical model for dispersion of Rayleigh wave and a machine learning based inversion solver},
author = {Jianxun Yang and Chen Xu and Ye Zhang},
journal= {arXiv preprint arXiv:2106.14025},
year = {2021}
}