Abstract: В работе представлена нейронная сеть, подавляющая численную ошибку результатах сейсмического моделирования. Подход основан на представленной ранее нейронной сети NDM-net, разработанной для подавления численной дисперсии. Принцип работы, которой состоял в расчете полного набора сейсмических данных с низкой точностью с использованием грубой сетки и последующей коррекции этих данных. Для построения и обучения нейронной сети, осуществляющей такое отображение, на достаточно мелкой сетке рассчитывается тренировочный набор данных, соответствующий малому числу положений источников из рассматриваемой системы наблюдения. NDM-net позволяла эффективно подавлять численную дисперсию в данных, и ускорить сейсмическое моделирование более чем в шесть раз в двумерном случае. Однако в предыдущих исследованиях предполагалось, что при расчете волновых полей изменяется только расчетная сетка, а скоростная модель при этом не меняется, то есть модель исходно задана на грубой сетке, что не всегда, верно, для сеточных скоростных моделей. В этой работе приводится обобщение NDM-net на случай, когда исходная скоростная модель задается на мелкой сетке и огрубляется при переходе на грубую сетку, что вносит дополнительную ошибку в численное решение. Применение NDM-net в этом случае также является эффективным методом подавления ошибки и ускорения сейсмического моделирования.

Cite: Гондюл Е.А. , Лисица В.В. , Гадыльшин К.Г. , Вишневский Д.М.
Нейросетевой подход к подавлению численной ошибки в данных сейсмического моделирования, обусловленной погрешностью в скоростной модели
Геофизика. 2024. №3. С.4-11. DOI: 10.34926/geo.2024.41.65.001 РИНЦ OpenAlex

Identifiers:

Elibrary:	68482957
OpenAlex:	W4402031075

Citing: Пока нет цитирований

Altmetrics: