GSTDTAP  > 地球科学
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
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
文件名: 物理引导的机器学习模型将改善地下成像.docx
格式: Microsoft Word
此文件暂不支持浏览
文件名: 物理引导的机器学习模型将改善地下成像.png
格式: image/png
所有评论 (0)
暂无评论
 

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。