多任务无扰动卡尔曼反演（MUKI）：一种无导数联合反演框架及其在地球物理数据联合反演中的应用
摘要：使用梯度和贝叶斯马尔可夫链蒙特卡罗(MCMC)采样方法进行地球物理联合反演已经被广泛应用，因为它们具有快速收敛性或全局最优性。然而，这些方法要么需要计算梯度并容易陷入局部最优解，要么需要花费大量时间在庞大的采样空间中进行数百万次的正演计算。与这两种方法不同，我们利用最近计算数学中发展的无味卡尔曼方法，扩展了一种迭代的无梯度贝叶斯联合反演框架，即多任务无味卡尔曼反演(MUKI)。在这个新框架中，融合了各种观测信息，采用无导数的方式迭代更新模型，并获得模型参数的后验分布的高斯近似。我们将MUKI应用于接收函数和地表波色散的联合反演，这是一个被广泛使用来构建地壳和上地幔结构的方法。基于合成和实际数据，测试表明MUKI比基于梯度的方法和马尔可夫链蒙特卡罗方法更高效地恢复模型，并且它将成为解决地球物理联合反演问题的一种有前景的方法。
作者：Longlong Wang, Yun Chen, Youshan Liu, Nanqiao Du, Wei Li, and Junliu Suwen
论文ID：2202.09544
分类：Geophysics
分类简称：physics.geo-ph
提交时间：2022-08-04