【地震反演问题的深度学习方法】

摘要：

①本文主题：地震反演是地球物理分析的一个工具，为我们了解地球提供了一个窗户。特别是，它能为地理任务重建大规模地下地球模型，比如碳氢化合物勘探、采矿、地震分析、浅层危险评估。

②本文性质：这篇文章是一个关于用深度学习方法（DL）解决地震反演问题的综述，包括速度、阻抗、反射率模型重建、地震带宽扩展。

③本文内容：主要关于5个部分。

一是关于地震数据和地震反演，介绍其传播原理和反演典型方法：包括地震数据的来源和采集、地震正演问题和反演问题的关系、基于模型的典型方法（有层析成像、FWI、多尺度FWI）；

二是关于DL方法，包括经验风险最小化、随机梯度学习、CNN、RNN、正则化；

三是提出两个解决FWI的方法=DL-based（以DL为主线，实现FWI）+DL-assisted（以FWI为主线，DL只在某个处理环节应用），用到编解码器、基于CNN网络、具有LSTM和GRU的基于RNN网络；

四是关于地震数据的特征提取，比如相似速度分析和地震频谱图、批处理与顺序数据处理；

五是提出更高级点的解决方案，包括基于GAN的、融合数值物理建模的DL模型，能实现无监督和半监督学习。

引言

主要回答三个问题：为什么要将模型高精度+为什么选择用DL方法解决FWI问题+本文结构

行文思路：

一是地震数据（引入机械扰动后接收到的响应），

获取地震数据，若使用侵入性方法有害且成本高，比如大规模的勘探钻井。

与其有关的学科：地理、地球物理、岩石物理等

目标：为获取可靠地下模型，用于地震学研究、碳捕获、碳氢化合物勘探（模型是钻井决策的关键输入）

二是当前问题

石油和天然气的开采成功率低，即使经过高昂技术分析，也是成功率仅30%左右；（需要高精度地下模型）

为了将工业中获得的CO2收集到专门修复储层，降低空气中的CO2缓解全球变暖问题。（需要高精度地下模型）

小结：以上回答为什么地下模型要提高精度：一是少打井，为减少破坏，也为降低成本。二是解决社会问题，比如石油天然气采集和碳捕获。

三是DL求解地震反演是一个新兴的领域，预计未来作为勘探中必需环节。

DL在非地震反演领域取得成果颇丰

DL作为数据驱动方法，优势是随着数据增长，效果一定优于其它技术

事实是，据IRIS-DMC同居数据显示，地震数据增长呈指数型（提供了数据基础）

小结：以上回答为什么选择用DL方法解决FWI问题：一是单独看DL近几年成果颇丰，二是DL在数据多时比其它方法效果好，三是地震数据最近几年持续增长，符合应用DL的条件。

本文结构：

Sec.2	地震波传播模型+信号处理概念
Sec.3	地震反演问题-问题、挑战
Sec.4	深度学习方法DL原则（？指什么）
Sec.5	DL反演的最新应用（DL-based+DL-assisted+特征提取）
Sec.6	融合数值物理方法、GAN等DL反演
Sec.7	对基于DL的FWI总结创新点（是NSFC的研究方向）