基于 3D 变分推断的双差 seismic 断层扫描法及其在 SAFOD 场的应用
摘要
地震断层扫描是一种在 various scales (various尺度) 下成像地下结构的关键技术，通过求解非线性且非唯一的逆问题来实现。因此，准确地对速度模型不确定性进行量化对于精确的地震定位和地质解释至关重要。蒙特卡洛抽样技术通常用于此目的，但这些方法在大数据集或高维参数空间上计算密集。相比之下，贝叶斯变分推断通过优化提供概率解，作为一种更高效的替代方案。该方法已在 2D 断层扫描问题中得到验证。在本研究中，我们将变分推断应用于使用绝对和差分 travel time 数据的 3D 双差 (DD) 地震断层扫描系统中。合成测试表明，新方法通过避免正则化约束，能够比原始 DD 断层扫描方法产生更准确的速度模型，同时提供更可靠的不确定性估计。相对于传统的棋盘格分辨率测试，所得不确定性估计更准确地衡量了解的可靠性。我们进一步将该方法应用于位于加州旧金山地区的 San Andreas Fault Observatory at Depth (SAFOD) 场附近的局部致密地震阵记录的数据。与其他研究类似，我们获得的速度模型显示出 fault（断层）处的显著速度对比。更重要的是，新方法对 Vp 和 Vs 的速度不确定性分别小于 0.34 km/s 和 0.23 km/s。因此，我们得出结论，变分推断为解决 3D 地震断层扫描问题并量化模型不确定性提供了一种强大且高效的工具。
引用
@article{arxiv.2407.21404,
title = {Exploring the Role of Social Support when Integrating Generative AI into Small Business Workflows},
author = {Quentin Romero Lauro and Jeffrey P. Bigham and Yasmine Kotturi},
journal= {arXiv preprint arXiv:2407.21404},
year = {2024}
}
备注
6 pages, 2 figures, to be published in Companion of the 2024 Computer-Supported Cooperative Work and Social Computing (CSCW Companion '24), November 9-13, 2024, San Jose, Costa Rica