Global S&T Development Trend Analysis Platform of Resources and Environment
物理引导的机器学习模型将改善地下成像 | |
王立伟 | |
2023-02-25 | |
所属快报 | 地球科学快报 |
出版年 | 2023 |
期 | 4 |
语种 | 中文 |
领域 | 地球科学 |
栏目 | 地震与火山学 |
中文关键词 | 数据驱动;地震反演 |
英文关键词 | Data-Driven Seismic Inversion |
中文摘要 | 2023年2月7日,《IEEE信号处理》杂志(IEEE Signal Processing)发表题为《物理引导的数据驱动型地震反演:全波形反演的最新进展和未来机遇》(Physics-Guided Data-Driven Seismic Inversion: Recent progress and future opportunities in full-waveform inversion)的文章指出,地震反演的目标是通过地面测量得到地下性质。在各种应用中,地震图像已被证明是有价值的,甚至是至关重要的,包括地下能源勘探、地震预警、碳捕获和封存,估计地下污染物运输途径等。这些地震发生时的地下性质(如波速、密度和弹性速度)会影响地震波在地下介质中的传播,而众所周知的物理模型(所谓的“正演模型”)可以用来预测对任何给定的地下结构进行的表面测量。 |
原文题名 | Physics-Guided Data-Driven Seismic Inversion: Recent progress and future opportunities in full-waveform inversion |
原文链接 | 查看原文 |
文献类型 | 快报文章 |
条目标识符 | http://119.78.100.173/C666/handle/2XK7JSWQ/353545 |
专题 | 地球科学 |
推荐引用方式 GB/T 7714 | 王立伟. 物理引导的机器学习模型将改善地下成像. 2023. |
条目包含的文件 | ||||||
文件名称/大小 | 文献类型 | 版本类型 | 开放类型 | 使用许可 | ||
物理引导的机器学习模型将改善地下成像.d(16KB) | 快报文章 | 开放获取 | CC BY-NC-SA | 浏览 请求全文 | ||
物理引导的机器学习模型将改善地下成像.p(83KB) | 快报文章 | 开放获取 | CC BY-NC-SA | 浏览 请求全文 |
个性服务 |
推荐该条目 |
保存到收藏夹 |
查看访问统计 |
导出为Endnote文件 |
谷歌学术 |
谷歌学术中相似的文章 |
[王立伟]的文章 |
百度学术 |
百度学术中相似的文章 |
[王立伟]的文章 |
必应学术 |
必应学术中相似的文章 |
[王立伟]的文章 |
相关权益政策 |
暂无数据 |
收藏/分享 |
除非特别说明,本系统中所有内容都受版权保护,并保留所有权利。
修改评论