OpenFWI：用于地震全波形反演的大规模多结构基准数据集
机器学习
2023-06-27 v6 信号处理
摘要
全波形反演 (FWI) 在地球物理学中被广泛用于从地震数据重建高分辨率速度图。数据驱动的 FWI 方法近期的成功导致对开放数据集的需求迅速增长，以服务于地球物理学界。我们提出了 OpenFWI，一个大规模多结构基准数据集集合，以促进对 FWI 的多样化、严格且可复现的研究。具体而言，OpenFWI 包含由多个来源合成的 12 个数据集（总计 2.1TB）。它涵盖了地球物理学中的多个领域（界面、断层、CO2 储层等），覆盖了不同的地质地下结构（平坦、弯曲等），并包含不同数量的数据样本（2K - 67K）。它还包含一个用于 3D FWI 的数据集。此外，我们使用 OpenFWI 对四种深度学习方法进行了基准测试，涵盖了监督和无监督学习机制。伴随基准测试，我们实施了额外的实验，包括物理驱动方法、复杂性分析、泛化研究、不确定性量化等，以加深我们对数据集和方法的理解。这些研究要么为数据集和性能提供了有价值的见解，要么揭示了它们目前的局限性。我们希望 OpenFWI 支持 FWI 的前瞻性研究，并激发未来在 AI for science 方面的开源努力。所有数据集及相关信息可通过我们的网站 https://openfwi-lanl.github.io/ 获取
引用
@article{arxiv.2111.02926,
title = {OpenFWI: Large-Scale Multi-Structural Benchmark Datasets for Seismic Full Waveform Inversion},
author = {Chengyuan Deng and Shihang Feng and Hanchen Wang and Xitong Zhang and Peng Jin and Yinan Feng and Qili Zeng and Yinpeng Chen and Youzuo Lin},
journal= {arXiv preprint arXiv:2111.02926},
year = {2023}
}
备注
This manuscript has been accepted by NeurIPS 2022 dataset and benchmark track