SVInvNet：一种用于地震速度反演的密集连接编码器-解码器架构
机器学习
2025-04-02 v2 计算机视觉与模式识别
地球物理
摘要
本研究提出了一种基于深度学习的地震速度反演方法，重点关注不同大小的含噪和无噪训练数据集。我们的地震速度反演网络（SVInvNet）引入了一种新颖的架构，该架构包含一个通过密集块增强的多连接编码器-解码器结构。这种设计专门针对有效处理时间序列数据进行了调整，这对于解决非线性地震速度反演的挑战至关重要。为了进行训练和测试，我们创建了多样化的地震速度模型，包括多层、断层和盐丘类别。我们还研究了不同类型的环境噪声（相干噪声和随机噪声）以及训练数据集的大小如何影响学习结果。SVInvNet在包含750到6,000个样本的数据集上进行训练，并使用包含12,000个样本的大型基准数据集进行测试。尽管与基线模型相比参数更少，但SVInvNet在此数据集上取得了更优的性能。我们进一步使用OpenFWI数据集和基于Marmousi的速度模型评估了SVInvNet的性能。对比分析清楚地揭示了所提出模型的有效性。
引用
@article{arxiv.2312.08194,
title = {SVInvNet: A Densely Connected Encoder-Decoder Architecture for Seismic Velocity Inversion},
author = {Mojtaba Najafi Khatounabad and Hacer Yalim Keles and Selma Kadioglu},
journal= {arXiv preprint arXiv:2312.08194},
year = {2025}
}
备注
This is the preprint of the accepted manuscript to appear in IEEE Transactions on Geoscience and Remote Sensing