.png){kind=icon}
返回
GeoPVI: a Python Package for Geoscientific Inversion using Parametric Variational Inference
.png){kind=icon}
OA
AI
DOI：10.1093/gji/ggag138.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
地球科学领域中，研究人员通过求解反演或推断问题来研究地球属性。概率方法在过去十年中获得了广泛关注，因为它们能够处理许多自然启发的反演问题的非线性和非唯一性特性，并允许对解的不确定性进行估计。然而，实现这些方法计算成本高，且需要反演和推断理论、高性能计算以及待反演的地球科学理论方面的专业知识，这使得这些方法对许多地球科学家来说难以使用。本文首先回顾了一类称为参数变分推断（PVI）的概率算法的理论背景，并介绍了GeoPVI，一个开源Python软件包，旨在促进这些方法的应用。借助GeoPVI，用户可以基于其反演理论专业知识高效地模拟其地球物理参数估计中的不确定性。它与基于采样的非参数变分方法的不同之处在于，概率解——即描述感兴趣模型参数不确定性的后验或反演后概率分布函数——由显式数学表达式参数化。这些表达式允许高效存储和传输，并能评估任意参数值组合的后验概率密度。我们展示了如何使用该软件包解决一系列问题，包括使用走时数据的层析成像、全波形反演、面波频散反演和垂直电测深。我们提供了内置的正演函数来模拟首波走时和完整的二维声学波形数据，外部正演函数也可轻松集成到软件包中。我们还展示了如何通过变分先验替换方法高效地改变反演后的先验信息。欢迎社区贡献，以使该软件包更广泛适用。
Keyword:
parametric variational inference
geoscientific inversion
uncertainty quantification
Python package
inverse problems
