GlobalTomo：用于物理-机器学习地震波场建模与全波形反演的全球数据集
地球物理
2025-10-03 v5
摘要
全球地震层析成像利用天然地震产生的地震波，为理解地球内部动力学提供了重要见解。先进的全波形反演（FWI）技术旨在细致解读地震图中的每一个细节，但在全球范围内进行正演模拟和伴随模拟面临着巨大的计算需求。机器学习（ML）的最新进展为加速FWI的计算效率并将其适用性扩展到更大尺度提供了变革潜力。本文提出了首个专为地震波场建模和全波形层析成像设计的3D全球合成数据集，称为GlobalTomo数据集。该数据集具有独特的全面性，在逼真的全球尺度上融合了显式波动物理和稳健的地球物理参数化，并通过为3D全球波场计算优化的最先进正演模拟生成。通过广泛的分析和ML基线的建立，我们阐明了ML方法特别适用于全球FWI，能够通过快速正演模拟和灵活的反演策略克服其局限性。这项工作代表了通过物理-ML建模增强我们对地球内部理解的跨学科努力。
引用
@article{arxiv.2406.18202,
title = {GlobalTomo: A global dataset for physics-ML seismic wavefield modeling and FWI},
author = {Shiqian Li and Zhi Li and Zhancun Mu and Shiji Xin and Zhixiang Dai and Kuangdai Leng and Ruihua Zhang and Xiaodong Song and Yixin Zhu},
journal= {arXiv preprint arXiv:2406.18202},
year = {2025}
}
备注
50 pages, NeurIPS DB 2025