|
|||||
|
|
| 基于K-SVD字典学习的稀疏约束编码多震源方向:全波形反演（英文） | |
| 摘 要： | 全波形反演(FWI)是一种较为重要的速度建模方法,但计算量巨大是阻碍其实用化。业已证明通过多震源策略减少模拟单炮次数,可以大大提高全波形反演计算效率,但引入了交叉串扰噪音。为解决上述问题,本文提出一种基于K-SVD字典学习的稀疏约束编码多震源全波形反演方法。首先,增加不同单炮的差异性引入极性编码策略减少串扰噪音;其次基于FWI不同迭代次数反演结果特征引入K-SVD字典学习方法计算变换基函数,推导了基于稀疏约束的目标泛函;进一步我们引入基于维纳滤波的时间域多尺度反演方法,提高反演方法的稳定性。最后,通过洼陷模型和Marmousi模型测试验证表明:1)本文的基于K-SVD字典学习的多震源编码反演方法,在减少全波形反演计算量的同时,能有效克服反演串扰噪音,提高反演精度;2)新方法能灵活的与时间域多尺度反演方法结合,降低反演过程陷入局部极小值,增强反演稳定性,对复杂模型也具有较好的适应性。 |
| 本文献已被 CNKI 等数据库收录！ | |