一种基于自动微分的地震反演通用方法
介绍了 IntraSeismic,一种新颖的混合地震反演方法,具有 2D 和 3D 后处理地震反演中无与伦比的性能、快速收敛速率、无缝包含硬约束条件(即井数据)和执行不确定性量化的能力,同时还具备数据压缩和对反演模型部分的快速随机访问的潜力。通过合成和现场数据的应用验证了该方法的有效性。
Dec, 2023
本研究考虑如何解决一类通用的逆问题,通过使用深度学习等多种方法,通过随机快速生成搜索算法的方式,寻找可能的逆解空间,并通过一个新方法来得到最佳逆解。
Sep, 2020
利用深度生成模型作为地震学参数的先验分布,结合变分贝叶斯推理方法,解决全波形反演中的非线性和非唯一的逆问题,为地下结构提供了考虑内在不确定性的洞察。
Jun, 2024
探究如何在不知道正向模型改变详情的情况下,使用简单的模型适应方法,使得深度神经网络在计算成像的各种逆问题中,包括去模糊、超分辨率和磁共振成像中的欠采样图像重建方面,取得实证成功。
Nov, 2020
本研究提出并应用了一种新颖的框架,通过结合全波形反演、地下流动过程和岩石物理模型来估计岩石渗透率和孔隙度等地下性质,其使用计算效率和编程效率的最佳平衡,并能够同时模拟岩石物理模型的参数,以预测储层的性能并优化储层管理。
Dec, 2019
本文提出了一种由简单、自然的规范计算出的通用 AD 算法,通过使用 AD - 不可知编译器插件,这些算法可以直接从现有的编程语言中使用,无需新的数据类型或编程风格,并且不涉及任何图表、磁带、变量、偏导数或突变,从而更易于理解、改进和并行执行。
Apr, 2018
本文介绍了 SLIM 开源软件框架,该框架可用于计算地球物理学和反演问题,包括波动方程(如地震和医疗超声),具有学习先验的正则化和学习神经替代物用于多相流模拟。通过集成多个抽象层,我们的软件既可读性强又可扩展,从而使研究人员可以轻松地以抽象的方式构建问题并利用高性能计算的最新发展。我们通过构建一个可扩展的原型演示了设计原则及其益处,用于从时间序列交叉井地震数据中反演渗透率,其除了耦合波物理和多相流外还涉及机器学习。
Apr, 2023
这篇文章提出了一种基于 Deep Equilibrium Models 的方案,通过无限循环的迭代,不断提高图像逆问题的重建精度,同时在测试时可以根据不同场景的需求选择不同的计算预算以优化精度和计算的权衡。
Feb, 2021