将概念性地质信息引入贝叶斯层析成像
摘要：地质过程模型模拟一系列动态进程，将基本地形演变为最终的2D剖面或3D地质情景。原则上，可以更新过程参数以更好地与观测到的地球物理或地质数据相吻合；然而，代表不同概念模型的过程模型的许多实现可能会提供与观测数据相似的一致性，并且由于任务的计算需求，找到所有这些实现可能是不可行的。或者，可以使用地球物理概率层析成像方法来估计一个目标地下结构的模型族，该模型族既与以前的实验获得的信息一致，也与新数据一致（贝叶斯后验分布）。然而，这个族很少包含有地质合理的影像。我们展示了层析成像影像的后验分布通过将地质先验信息注入贝叶斯推断可以提升，而我们可以通过训练后瞬间完成。我们使用两个地质概念作为地质先验信息：一种是编码为生成对抗网络（GAN）的交织河流系统，另一种是一组由GAN参数化的海洋沉积层序。然后可以使用来自目标结构的数据来推断图像参数值，使用MDN和任一地质概念。我们的MDN解决方案与使用昂贵的Markov Chain Monte Carlo（McMC）方法得到的解非常相似，虽然使用不正确的地质概念模型会提供较不准确的结果，但均值结构仍然近似于目标。然后，我们展示了一个分类网络可以推断出正确的地质概念模型。因此，即使是错误的地质先验信息也可能会改善地球物理层析成像影像，相比于没有地质先验信息获得的影像，地质概念模型原则上可以直接从地球物理走时数据中推断出来。
作者：Hugo Bloem, Andrew Curtis, Daniel Tetzlaff
论文ID：2210.07892
分类：Geophysics
分类简称：physics.geo-ph
提交时间：2023-08-04