基于DeepONet的Eikonal方程的正向和逆向问题
摘要：基于Eikonal方程的地震正反问题是地球物理学中的重要研究领域。然而，传统数值方法的时间负担阻碍了它们在需要快速预测的场景中的应用。基于机器学习的方法也有限制，因为每次更改初始条件都需要重新训练。在本文中，我们采用了深度算子网络（DeepONet）来分别解决基于Eikonal方程的正向和反向问题。DeepONet通过两个子网络（分支网络和主干网络）来逼近算子，从而提供了很好的泛化性和灵活性。我们提出了不同结构的DeepONet来分别学习正向和反向问题中的算子。我们分别在不同类别的数据集上训练网络，以便它们可以根据特定速度模型的不同初始条件提供准确的预测。数值结果表明，DeepONet不仅可以预测不同速度模型下具有不同源的传播时间场，还可以根据观测到的传播时间数据提供速度模型。
作者：Yifan Mei, Yijie Zhang, Xueyu Zhu and Rongxi Gou
论文ID：2306.05754
分类：Geophysics
分类简称：physics.geo-ph
提交时间：2023-06-12