典型文献
基于物理信息约束的神经网络复杂模型高精度走时计算
文献摘要：
走时计算广泛应用于地震数据处理中,其中对复杂地表地形的处理一直是走时计算的关键和难点.相比于传统的规则网格,贴体网格的建模方式可以完美地刻画地表的起伏形态.然而,目前常用的方法在利用贴体网格变换解决复杂地形问题的同时,需要针对性地发展适应贴体网格的特殊求解方法,这导致算法复杂且在网格扭曲较大的地方易造成精度损失.基于物理信息约束的神经网络是一种无网格方法,它对程函方程的求解不受具体网格形态的限制.为此,本文中我们将基于物理信息约束的神经网络和贴体网格结合,提出一种有效计算复杂模型中地震波走时的方法;用贴体网格构建任意复杂地质体,然后用基于物理信息约束的神经网络求解该复杂地质体上的地震波传播的走时.另外,我们使用残差神经网络替换了原有的神经网络架构,这在一定程度上提高了神经网络的学习能力.我们利用三组模型的数值模拟结果来验证方法的有效性和高精度;同时讨论了训练替代模型和迁移学习等神经网络技术在复杂模型中计算走时的应用,这极大地加速了实际问题的求解过程,有望在具体问题的求解中得到广泛应用.
文献关键词：
基于物理信息约束的神经网络;残差学习;程函方程;走时;复杂模型
中图分类号：
作者姓名：
邵帅;雷一鸣;兰海强
作者机构：
中国科学院地质与地球物理研究所,岩石圈演化国家重点实验室,北京 100029;中国科学院大学地球与行星科学学院,北京 100049
文献出处：
引用格式：
[1]邵帅;雷一鸣;兰海强-.基于物理信息约束的神经网络复杂模型高精度走时计算)[J].地球物理学进展,2022(05):1840-1853
A类：
基于物理信息约束的神经网络
B类：
复杂模型,走时,时计,地震数据处理,复杂地表,贴体网格,建模方式,复杂地形,求解方法,精度损失,无网格方法,程函方程,格形态,复杂地质体,地震波传播,残差神经网络,神经网络架构,验证方法,替代模型,迁移学习,神经网络技术,中计,具体问题,残差学习
AB值：
0.224289
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
