物理驱动自监督网络

高效地震反演

结合稀疏编码物理意义与卷积网络高效运算，摆脱传统稀疏编码计算慢与参数难选问题。

杨阳 · Zhuo, Wang · 刘乃豪 · Wang, Jingyu · 庞善民 · Rongchang, Liu · Jinghuai, Gao

IEEE Transactions on Geoscience and Remote Sensing 2024

技术优势

少了手动调参

自监督学习框架避免了传统稀疏编码中棘手的参数选择，减少了人工干预。

算得快

使用卷积神经网络作为反演模型，具备高计算效率，可在三维数据体上快速运行。

结果有物理意义

前向模型基于稀疏编码理论，确保反演结果符合地球物理机理，提高了准确性。

三维数据体上跑得通

三维实际数据应用证实，该工作流能有效规避传统稀疏编码方法的缺点，同时保持高效。

应用场景

• 地震勘探：快速处理三维地震数据，减少计算等待和调参时间。
• 地质反演：用有物理意义的网络替代传统稀疏编码反演，提高效率。
• 地下介质成像：直接在三维数据体上得到高精度地下成像结果。
• 时频分析：用该网络做稀疏时频分析，避免传统稀疏编码的慢计算。