
تعداد نشریات | 163 |
تعداد شمارهها | 6,762 |
تعداد مقالات | 72,839 |
تعداد مشاهده مقاله | 131,915,873 |
تعداد دریافت فایل اصل مقاله | 103,550,775 |
وارونسازی شکل موج کامل با استفاده از یک شبکه عصبی بازگشتی مبتنی بر فیزیک مسئله | ||
فیزیک زمین و فضا | ||
مقالات آماده انتشار، پذیرفته شده، انتشار آنلاین از تاریخ 09 اردیبهشت 1404 اصل مقاله (1.37 M) | ||
نوع مقاله: مقاله پژوهشی | ||
شناسه دیجیتال (DOI): 10.22059/jesphys.2025.390086.1007668 | ||
نویسندگان | ||
مهدی سعادت1؛ حسین هاشمی* 2؛ مجید نبی بیدهندی2 | ||
1موسسه ژئوفیزیک، دانشگاه تهران، تهران، ایران. | ||
2فیزیک زمین، موسسه ژئوفیزیک، دانشگاه تهران، تهران، ایران | ||
چکیده | ||
وارونسازی شکل موج کامل روشی برای تخمین خواص الاستیک محیط است که همه اطلاعات موجود در دادههای لرزهای، شامل اطلاعات دامنه، فاز و فرکانس، را برای تخمین مدلهایی با قدرت تفکیک بالا بهکار میگیرد. این روش در تصویرسازی صحیح لرزهای اهمیت ویژهای دارد، اما با چالشهایی چون نیاز به زمان و توان محاسباتی بالا و وابستگی به مدل اولیه مواجه است. پژوهشگران متعددی سعی در استفاده از روشهای یادگیری عمیق برای غلبه بر چالشهای مسئله وارونسازی شکل موج کامل داشتهاند.این مقاله نیز یک بلوک یادگیری عمیق بازگشتی مبتنی بر معادله موج ارائه میدهد که سرعت محیط با ماتریس وزنی یکی از لایههای آن، مرتبط است. در فرآیندی تکراری، از این بلوک برای پیشبینی داده لرزهای استفاده میشود و سپس با مقایسه با داده مشاهدهای، تابع خطاو گرادیان آن محاسبه و وزنهای شبکه، شامل مدل سرعتی، بهروزرسانی میشود. مزیت این روش، سرعت بالای محاسبات است، چرا که استفاده همزمان از واحد پردازش گرافیکی و شبیهسازی دستهای و موازی چشمههای مختلف موجب تسریع چند صد برابری فرآیند میشود. الگوریتم پیشنهادی بر مدل مارموزی برای شبیهسازی دادههای مصنوعی و وارونسازی شکل موج کامل اعمال شد. همچنین، روشهای بهینهسازی مرسوم در یادگیری عمیق مورد ارزیابی قرار گرفتند که از این بین روش مومنتوم انطباقی بهترین عملکرد را از خود نشان داد، بطوریکه شاخص شباهت ساختاری مابین مدل صحیح و مدل بازسازی شده، از 0.73 برای روش سریعترین شیب، که روش متداول بهینهسازی در مسئله وارونسازی شکل موج است، به 0.77برای روش مومنتوم انطباقی افزایش یافته است. | ||
کلیدواژهها | ||
وارونسازی؛ شکل موج کامل؛ یادگیری عمیق؛ مبتنی بر فیزیک؛ شبکه عصبی بازگشتی | ||
مراجع | ||
| ||
آمار تعداد مشاهده مقاله: 65 تعداد دریافت فایل اصل مقاله: 53 |