PINNPStomo：基于物理信息神经网络的 P- 与 S 波地震传播时间正演断层反演

地震正演断层反演长期以来一直是构建可靠地下结构的有效工具。然而，同时反演 P 波和 S 波速度对于传统地震断层反演方法来说是一个巨大的挑战，因为这些方法依赖数值算法来计算传播时间。已提出一种基于物理信息神经网络（PINN）的地震断层反演方法（PINNtomo），用于求解 eikonal 方程并构建速度模型。利用神经网络的强大逼近能力，我们提出了将 PINNtomo 扩展以进行 P 波和 S 波速度的多参数联合反演，称为 PINNPStomo。在 PINNPStomo 中，我们采用两个神经网络：一个用于 P 波和 S 波传播时间，另一个用于 P 波和 S 波速度。通过优化从 eikonal 方程计算得到的 P 波和 S 波首次到达传播时间的差值，可以获得预测的 P 波和 S 波速度，这些速度决定了这些传播时间。识别到原始 PINNtomo 使用乘法因子化 eikonal 方程，该方程依赖于源位置处均匀速度对应的背景传播时间。我们提出了一种新的因子化 eikonal 方程用于 PINNPStomo 以消除这种依赖性。所提出的 PINNPStomo 融合了新的因子化 eikonal 方程，显示出优越的收敛速度和多参数反演精度。我们通过三种不同的地震数据获取几何条件下的 2D Marmousi 和 2D/3D Overthrust 弹性速度模型来验证这些改进。