Реферат: В работе описан новый подход к сейсмическому моделированию, сочетающий традиционный конечно-разностный метод с глубоким обучением. На первом шаге генерируется обучающий набор данных, рассчитанный для ограниченного числа источников. Этот набор вычисляется путем конечно-разностного моделирования на мелкой пространственно-временной сетке. На втором этапе рассчитываются сейсмограммы для всей системы наблюдения, но с использованием грубой расчетной сетки. На третьем, заключительном этапе происходит обучение искусственной нейронной сети, уменьшающей численную дисперсию, и ее применение ко всему набору данных. На тестовом материале проверена работоспособность такого подхода в задаче подавления численной дисперсии и продемонстрировано десятикратное ускорение расчетов сейсмических волновых полей.

Библиографическая ссылка: Гадальшина К.А. , Лисица В.В. , Вишневский Д.М. , Гадыльшин К.Г.
Искусственная нейронная сеть, уменьшающая численную дисперсию, для постобработки результатов сейсмического моделирования
Геофизические технологии. 2022. №1. С.99-109. DOI: 10.18303/2619-1563-2022-1-99 РИНЦ OpenAlex

Даты:

Поступила в редакцию:	9 авг. 2022 г.
Принята к публикации:	25 окт. 2022 г.
Опубликована в печати:	15 дек. 2022 г.
Опубликована online:	15 дек. 2022 г.

Идентификаторы БД:

РИНЦ:	49918379
OpenAlex:	W4311475769

Цитирование в БД:

БД	Цитирований
OpenAlex	2

Альметрики: