文献类型：会议

作　　者：柴新涛 裴璇子 来臣森 华罗泽 陈良宇

作者单位：中国地质大学(武汉)地球物理与空间信息学院应用地球物理系

基　　金：国家自然科学基金资助（授权号：41704129）;中国石化弹性波理论与探测技术重点实验室开放基金课题资助;中国石油大学（北京）油气资源与探测国家重点实验室开放课题基金资助（授权号：PRP/open-2108）;中国石油大学（华东）深层油气重点实验室开放基金资助（授权号：20CX02117A）;地球内部多尺度成像湖北省重点实验室开放基金资助;大学生创新创业训练计划项目资助（授权号：202210491071）

会议文献：第五届油气地球物理学术年会论文集

会议名称：第五届油气地球物理学术年会

会议日期：20230419

会议地点：中国山东青岛

出版日期：20230419

语　　种：中文

摘　　要：深度学习理论在油气地震勘探领域得到了广泛的研究与应用。近期一种基于物理引导神经网络(Physics-informed neural networks,PINNs)的学习技术更为前沿。前人将PINNs应用于求解频率域常密度声波方程,但对该求解过程中存在的一些问题并未阐述清楚,比如为何未展示求解的高频波场?将物理引导的神经网络PINNs理论和自动微分理论应用于求解频率域声波方程。不同于传统基于网格离散、差分逼近求偏导的方法(比如有限差分法),所用方法从理论上无需网格离散,无数值频散问题,容易从2D拓展至3D,容易处理复杂地表、复杂地下构造情形,可灵活拓展至粘弹性、各向异性等情形。该方法目前的缺陷是只能求解低频(小于6 Hz)波场,神经网络训练过程较为耗时,求解的波场精度也有待提高。

关 键 词：深度学习  人工神经网络  自动微分  PINNs  声波方程 Perfectly matched layer  Spectral bias  

分 类 号：TP183] P618.13] P631.4]