基于机器学习的正演求解器：gprMax中的自动框架
信号处理
2021-11-25 v1 地球物理
机器学习
摘要
通用的全波电磁求解器，例如利用时域有限差分（FDTD）方法的求解器，在模拟实际探地雷达（GPR）问题时计算开销巨大。我们探索了一种基于机器学习（ML）架构的近实时GPR正演建模方法的性能。为简化流程，我们开发了一个能够自动生成这些基于ML的正演求解器的框架。该框架使用一种创新的训练方法，结合了预测性降维技术以及来自我们的FDTD仿真软件gprMax的大量建模GPR响应数据集。该正演求解器针对特定GPR应用进行参数化，但框架可以以直接的方式扩展到不同的电磁问题。
引用
@article{arxiv.2111.12148,
title = {Machine Learning Based Forward Solver: An Automatic Framework in gprMax},
author = {Utsav Akhaury and Iraklis Giannakis and Craig Warren and Antonios Giannopoulos},
journal= {arXiv preprint arXiv:2111.12148},
year = {2021}
}
备注
6 pages, 6 figures