| 地震波正演问题的物理信息神经网络算法研究进展 |
| |
| 引用本文： | 邹婧博,刘财,赵鹏飞.地震波正演问题的物理信息神经网络算法研究进展[J].地球物理学进展,2023(1):430-448. |
| |
| 作者姓名： | 邹婧博 刘财 赵鹏飞 |
| |
| 基金项目： | 国家自然基金项目(41874125)；;国家重点研发计划课题(2021YFC1523401)； |
| |
| 摘 要： | 偏微分方程作为一种描述客观物理规律的重要工具，可应用于解决大多数科学问题和工程问题.在地球物理学中，求解波动方程是地震波场数值模拟的重要步骤，对于偏移成像和反演起着至关重要的作用.随着勘探目标复杂化，地震波方程的数学描述也更加复杂，现有的经典地震波数值模拟方法存在一些待完善之处，需要一些新型正演算法的应用.物理信息神经网络(Physics-Informed Neural Network,简称PINN)是一种利用神经网络求解偏微分方程近似解的有效手段，通过自动微分将偏微分方程及其定解条件引入损失函数中，在最小化数据驱动误差的同时，使其满足方程的物理约束条件.本文在分析PINN原理并总结其研究现状的基础上，对其在波动方程正演中已有成果进行归纳和分析，展望了其未来可能的研究方向，并对PINN在一维声波方程正演中的应用进行了探究.
|
| 关 键 词： | 地震波正演 物理信息神经网络 深度学习 自动微分 |
|
|
