利用神经算子加速时间反转成像以实现实时地震定位

地震震源中心构成广泛地震学分析的基础。基于拾取的地震定位流程依赖相位拾取器的准确性,且在处理非均匀介质中复杂地震序列时可能存在偏差。利用互相关成像条件的被动震源时间反转成像具有高精度、高分辨率地震定位的潜力,但计算成本巨大。本文提出一种替代性的深度学习地震定位方法,结合神经算子在波传播与时间反转成像中的优势以及多台站波形记录。训练一个U形神经算子以传播具有不同震源时间函数的地震波,从而可在可忽略时间内为每个台站预测反向传播波场。这些波场可叠加或互相关,从所得震源图像中定位地震。与其他基于波形的深度学习定位方法相比,时间反转成像考虑了波传播的物理规律,有望实现准确地震定位。我们利用二维声波方程在合成与实地数据上演示该方法。结果表明,我们的方法能高效获得高分辨率、高精度的基于互相关的时间反转震源成像。此外,我们的方法可适应地震台站的数量与几何分布,这为利用密集地震台网进行实时地震定位与监测开辟了新策略。