用傅里叶神经算子求解变速度模型下的地震波方程
机器学习
2023-03-10 v3 地球物理
摘要
在地下地震成像研究中，求解声波方程是现有模型的关键组成部分。深度学习的进展使得通过应用神经网络识别输入与解之间的映射来求解偏微分方程（包括波动方程）成为可能。当需要求解大量实例时，该方法比传统数值方法更快。先前集中于用神经网络求解波动方程的工作要么考虑单一速度模型，要么考虑多个简单速度模型，这在实际中受限。相反，受算子学习思想启发，本工作利用傅里叶神经算子（FNO）在变速度模型背景下有效学习频域地震波场。我们还提出一种新的并行傅里叶神经算子（PFNO）框架，用于在给定多个震源位置和频率时高效训练基于 FNO 的求解器。数值实验证明了 FNO 和 PFNO 在 OpenFWI 数据集中复杂速度模型下的高精度。此外，跨数据集泛化测试验证了 PFNO 能适应分布外速度模型。而且，PFNO 在标签存在随机噪声时具有鲁棒性能。最后，PFNO 在大规模测试数据集上比传统有限差分法具有更高的计算效率。上述优势使基于 FNO 的求解器具备构建用于地震波研究的强大模型的潜力。
引用
@article{arxiv.2209.12340,
title = {Solving Seismic Wave Equations on Variable Velocity Models with Fourier Neural Operator},
author = {Bian Li and Hanchen Wang and Shihang Feng and Xiu Yang and Youzuo Lin},
journal= {arXiv preprint arXiv:2209.12340},
year = {2023}
}
备注
26 pages, 17 figures