基于CFD的地下水渗透波神经机器翻译用于岩石物理反演
地球物理
2024-11-21 v1
摘要
有效的城市基础设施结构评估对于可持续土地利用和抵御气候变化和自然灾害至关重要。地震波方法在这些领域广泛应用于地质、含水层和地力学描述的 subsurface 表征和监测，但常依赖耗时的反演技术，难以提供全面的描述。本研究探讨了一种被动地震方法结合人工智能（AI）用于监测地质结构和含水层条件，以评估沟坑风险。我们引入一种基于语言模型的确定性岩石物理反演技术，该技术对地震波速度测量进行解码，以推断土壤的岩石物理和力学参数作为文本描述。结果成功描绘了具有各自土壤性质和力学特征的三维 subsurface 结构，同时准确预测每日地下水位水平。验证表明，方法具有高准确性，归一化均方根误差为8%，与传统随机地震波反演方法相当，同时速度快2000倍。这些发现凸显了先进AI技术在不同尺度上显著提升 subsurface 表征的潜力，支持自然灾害减缓的决策。
引用
@article{arxiv.2411.13491,
title = {Neural machine translation of seismic waves for petrophysical inversion},
author = {José Cunha Teixeira and Ludovic Bodet and Agnès Rivière and Santiago G. Solazzi and Amélie Hallier and Alexandrine Gesret and Sanae El Janyani and Marine Dangeard and Amine Dhemaied and Joséphine Boisson Gaboriau},
journal= {arXiv preprint arXiv:2411.13491},
year = {2024}
}
备注
70 pages, 33 figures