.png){kind=icon}
返回
Microseismic Source Location Based on Full Waveform Inversion-Driven Neural Network
.png){kind=icon}
OA
AI
DOI：10.1007/s44196-025-01029-6.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
微震源点的精确定位在石油天然气开采和地下能源存储等领域至关重要。当前基于全波形反演的震源定位方法具有高度非线性，且涉及目标函数的复杂梯度计算。然而，基于数据驱动的神经网络微震源定位方法缺乏物理约束，可能导致地质合理性受损。为解决这些挑战，本文提出了一种将全波形反演与循环神经网络集成的微震源定位方法。首先，采用卷积核设计地震波场传播算子，以实现网络化的微震正演模拟。其次，利用神经网络的链式微分计算全波形反演的逆向梯度，提升计算效率。最后，通过最小化观测数据与正演模拟数据之间的误差，优化震源的空间分量，并采用非极大值抑制获取震源的空间位置。实验结果表明，所提方法实现了高定位精度、高计算效率及抗噪声能力。
Keyword:
Full waveform inversion
Gradient calculation
Microseismic source location
Recurrent neural networks
Source spatial component
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
3
论文数:
362
被引数:
2.7K
机构
引用论文
Full-waveform inversion of pure quasi-P waves in titled transversely isotropic media based on different parameterizations.png)
GEOPHYSICS
GEOPHYSICSIF3.2
PREAI
分享收藏Localizing microseismic events on field data using a U-Net-based convolutional neural network trained on synthetic dataGEOPHYSICS
OAAI
GEOPHYSICSIF3.2
OAAI分享收藏Deep Neural Networks for Detection and Location of Microseismic Events and Velocity Model Inversion from Microseismic Data Acquired by Distributed Acoustic Sensing ArraySensorsOAAI
SensorsIF0
OAAI分享收藏
查看更多内容