基于先验知识的参数化和代理建模的贝叶斯层析成像
摘要：基于先验知识的参数化的贝叶斯断层成像框架，通过代理模型加速。通过数据驱动的主成分分解，在输入（即介电常数分布）和输出（即旅行时间采集）空间中实现了有效的参数化和压缩。我们采用高精度的多项式混沌展开（PCE）代理模型来加速反演过程。在概率模型空间中进行反演后，通过重新引入原始模型空间中被截断的高次主成分，并调整考虑到截断的高次成分并不完全位于零空间的似然函数，来实现适当的不确定性量化。本研究表明，数百个设计数据集足以提供可靠的马尔可夫链蒙特卡洛反演。
作者：Giovanni Angelo Meles, Niklas Linde, Stefano Marelli
论文ID：2201.02444
分类：Geophysics
分类简称：physics.geo-ph
提交时间：2022-06-29