报告题目：高效波场重建反演与基于深度学习的频率域正反演方法研究

报告人：宋超

报告时间：2021年4月23（周五）上午9点

报告地点：地质宫519

报告人简介：

阿卜杜拉国王科技尊龙凯时（KAUST）博士，伦敦帝国理工学院博士后。2013年6月于尊龙凯时地球探测科学与技术学院“李四光”试验班获得学士学位；2020年12月于阿卜杜拉国王科技尊龙凯时（KAUST）获得博士学位。研究方向包括微震震源定位，全波形反演，以及基于深度学习的正反演。以第一作者发表SCI论文9篇，其中《Geophysics》5篇，《Geophysical Journal International》2篇，《IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing》1篇，《IEEE Transactions on Geoscience and Remote Sensing》1篇，以通讯作者发表SCI论文1篇。另外导师第一作者报告人第二作者发表SCI论文3篇。担任《 Geophysics》、《 Geophysical prospecting》、《 Geophysical Journal International》、《IEEE Access》、《Seismological Research Letters》审稿人。

报告简介：

地震勘探中的全波形反演（FWI）是得到高分辨率地下参数的有效工具。高效波场重建反演（EWI）方法可以有效解决FWI中的非线性问题。 EWI引入了一种扩展的震源函数来吸收参数扰动。在波场重建和扩展震源更新之间使用高效的内部迭代，重建的波场中将包含多次散射信息，从而得到更加精确的反演效果。在复杂介质中，EWI可以实现多参数反演达到更好的数据拟合。为提高频率域正反演的在复杂介质中的效率和通用性，我提出使用基于物理信息的深层神经网络（PINN）来生成频率域波场。该方法避免了数值算法中计算阻抗矩阵的逆，不但提高了针对于三维复杂介质模型的波场模拟计算效率，而且避免了数值频散现象。在反演应用中，将检波器采集的数据加入到神经网络的误差函数中进行训练，我们可以在地下结构未知的情况下，实现波场重建和参数反演。