.png){kind=icon}
返回
Model-Driven and Data-Driven Inversion in Geophysical Exploration
.png){kind=icon}
PRE
AI
DOI：10.1134/S0965542525701805.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
地球物理反演是从地表观测数据推断地下介质属性和结构的过程，广泛应用于资源与能源勘探、地质调查及环境监测等领域。传统地球物理反演依赖数学物理建模和高效数值计算。然而，由于地球物理反问题的不适定性及地下介质的复杂性，纯模型驱动的计算方法常存在非唯一性（多解问题）和数值不稳定性。为解决这些挑战，数据驱动方法利用大量观测数据，通过统计分析与机器学习技术挖掘数据中的隐藏模式，从而提升反演结果的稳定性和精度。人工智能（AI）技术现已广泛应用于地球物理图像处理、重建和反演中，为勘探与解释提供更精确的结果。本文将讨论模型驱动地球物理反演、数据驱动地球物理反演、联合反演和AI增强地球物理，并辅以案例研究分析，特别是重磁和电磁反演。我们旨在通过智能计算技术结合物理模型、观测数据及领域知识，实现精确的地下特征表征。
Keyword:
geophysical inverse problem
model-driven
data-driven
artificial intelligence
期刊
C
IF:
0
论文数:
86
被引数:
0
机构
引用论文
Magnetic susceptibility inversion method with full tensor gradient data using low-temperature SQUIDs.png)
PETROLEUM SCIENCE
OAAI
PETROLEUM SCIENCEIF6.1
OAAI分享收藏Three‐dimensional inversion of full magnetic gradient tensor data based on hybrid regularization method基于混合正则化方法的三维全磁梯度张量数据反演
PREAI
分享收藏
查看更多内容