وارون سازی شکل موج کامل با استفاده از شبکه SeisDeepNet

تعیین مدل سرعت در محیط های پیچیده زمین شناسی مانند محیط های دارای گنبد نمکی، یکی از چالش های مهم در پردازش داده های لرزه ای است. یکی از روش های قابل قبول با تفکیک پذیری بالا در تعیین مدل سرعت، روش وارون سازی شکل موج کامل است. این روش با وجود پیشرفت هایی که داشته هنوز از مشکلاتی از قبیل عملگر غیرخطی، بد وضعی مسئله، پرش دوره و هزینه محاسباتی بالا رنج می برد. در این مطالعه از روش شبکه عصبی عمیق برای حل مشکل استفاده می گردد. در این مقاله شبکه عمیقی را به نام SeisDeepNET معرفی کرده ایم که علاوه بر کمک برای حل مشکل های فوق ابعاد غیر یکسان تصاویر ورودی-خروجی شبکه (رکورد چشمه مشترک- مدل سرعت) را نیز برطرف می سازد. نتایج نشان می دهد این شبکه ضمن حفظ جزئیات مدل، قادر به تولید مدل سرعت بهتر نسبت به شبکه های مشابه از نوع کدگذار-کدگشا مانند ( UNet )، حتی با تعداد داده آموزشی کمتر است.