使用对称自动编码器学习地震源
摘要：对称自编码器（SymAE）：一种用于自动从远场地震波中提取地震信息的神经网络结构。 SymAE使用可解释的分两个部分的编码来表示测量的位移场：源信息和路径散射信息。我们通过尺度分离原则和随机正则化实现这种源路径表示，这是传统自编码方法所缺乏的。根据尺度分离原则，由于有限断层而导致的远场带限地震测量的变化发生在两个空间尺度上：与源过程相关的较慢尺度和与路径效应相关的较快尺度。一旦训练完成，SymAE可以生成不含地下散射效应的虚拟地震图。我们将虚拟地震图的时间反演成像用于准确推断运动破裂参数，而无需了解经验格林函数。SymAE是一种非监督学习方法，可以有效地处理大量地震数据，并且不需要标记的地震图，使其成为第一个能够从所有可用的先前地震中学习以准确描述给定地震的框架。本文提供了对近30个复杂地震事件的分析结果，揭示了地震之间能量上升时间、停止相位等方面的差异，并为其破裂复杂性提供了见解。
作者：Pawan Bharadwaj and Isha Lohan and Madhusudan Sharma and Abhinav Pratap Singh
论文ID：2304.02404
分类：Geophysics
分类简称：physics.geo-ph
提交时间：2023-05-09