公开(公告)号：CN117192604A

公开(公告)日：2023-12-08

申请号：CN202311183250.9

申请日：2023-09-14

申请人： 深地科学与工程云龙湖实验室

发明人： 方金伟 ,  章俊 ,  刘盛东 ,  李乾坤 ,  杨彩 ,  曹海涛 ,  孙超

IPC分类号： G01V1/28 ,  G01V1/30 ,  G06F30/27 ,  G06F119/02

摘要： 本发明公开了一种多尺度深度学习优化的全波形反演方法，利用深度神经网络表征待反演参数，并利用基于卷积型目标函数的传统全波形反演高性能计算方案实现梯度的计算，并将反演参数的梯度输入到深度卷积神经网络模型中实现多尺度反演；同时采用了深度学习优化方法分尺度反演参数的表征方式，有效地保证深度卷积神经网络模型同时表征多个尺度的反演参数信息；另外本发明引入一阶变密度速度应力方程作为正传波场，其不仅具有高模拟精度，而且还可以自适应地考虑地下介质中密度变化，能为地下介质提供直接的速度和密度的物理信息，实现了速度和密度的同时建模，最终提高了整个全波形反演的效率、精度及稳定性。