神经网络增强的波动方程模拟
计算物理
2019-12-17 v2 机器学习
地球物理
机器学习
摘要
精确的正演建模对于求解反问题十分重要。不精确的波动方程模拟作为正演算子,会使反演所得结果产生偏移。本工作中,我们考虑处理不完全物理的情形。不完全物理的一个代理是有限差分法模拟波动方程时 Laplacian 算子的不精确离散。我们利用时间步进算法与卷积神经网络(CNNs)之间内在的一一相似性,提出在低精度时间步之间穿插 CNNs。以低精度时间步进算法增强神经网络,或可使我们采用大时间步,同时限制数值频散伪影。在以低精度时间步进算法模拟波动方程时,通过在传播过程中多次校正波场,我们希望限制由 Laplacian 算子的粗糙离散所引入的数值频散伪影。作为概念验证,我们通过在速度模型固定、改变震源位置以生成监督学习算法的训练与测试对的情况下校正数值频散,来演示该原理。
引用
@article{arxiv.1910.00925,
title = {Neural network augmented wave-equation simulation},
author = {Ali Siahkoohi and Mathias Louboutin and Felix J. Herrmann},
journal= {arXiv preprint arXiv:1910.00925},
year = {2019}
}