基于深度学习的地震能量勘探测线中地表波色散曲线提取
摘要：用于获取近地表剪切波速信息的地震方法是多通道面波分析（MASW）。这个方法的基本步骤是从波速谱中提取色散曲线，这是在将特定处理算法应用到记录的爆炸衰减后获得的。虽然这个提取过程在一定程度上可以自动化，但通常需要大量的质量控制，对于大数据集来说可能是麻烦的。我们提出了一种新的方法，利用深度学习来识别地震记录和其相关色散曲线（包括基本模式和第一模式）之间的直接映射，因此不需要计算色散谱。给定一个感兴趣的区域，使用对当地地质的先前知识创建一组1D速度和密度模型；然后，对地震记录和瑞利波相位色散曲线进行数值建模，用于训练简化的残差网络。所提出的方法在合成测试数据集上显示出高质量的色散曲线预测，并最终成功应用于现场数据集。还开发了各种不确定性量化和卷积神经网络可视化技术，以评估推理过程的质量并更好地了解网络的潜在学习过程。最后，对预测的色散曲线进行反演，结果显示出得到的剪切波速度模型合理且与该区域的先前地质知识一致。
作者：Danilo Chamorro, Jiahua Zhao, Claire Birnie, Myrna Staring, Fliedner Moritz, Matteo Ravasi
论文ID：2305.13990
分类：Geophysics
分类简称：physics.geo-ph
提交时间：2023-05-24