基于物理信息神经网络的多周期面波成像研究
摘要
利用面波频散数据进行横波速度结构成像是研究地壳与上地幔速度结构的重要手段之一。传统的基于频散数据的面波层析成像方法通常需要先反演二维相（或群）速度分布图，然后反演研究区格点下方的一维速度模型，最后通过拼接得到三维速度模型。然而，传统的二维相（或群）速度成像方法存在一些局限性，例如基于射线理论的线性化反演方法对初始速度模型和正则化参数的选择具有较强的依赖性，而程函成像方法则需要在研究区有密集的观测。本文提出了一种基于物理信息神经网络的相（或群）速度成像方法，该方法能够同时对多个周期的相（或群）速度进行成像，无需对每个周期进行重复的单独反演。该网络包含两个分支，一个分支将虚拟源和台站的坐标以及周期作为输入来拟合观测面波频散走时，另一个分支将台站坐标以及周期作为输入来预测相（或群）速度，两个分支通过程函方程进行约束。网络训练完成后，可以将任意一点的坐标和相应周期输入神经网络中来查询相（或群）速度，从而得到各个周期的相（或群）速度分布图。我们使用在中国东部郯庐断裂带布设的肥东和潍坊密集台阵的数据对新方法进行了测试，并与传统方法的成像结果进行了对比，以展示新方法的优势。新方法是一种无网格的成像方法，具有自适应分辨率的能力。此外，新方法不需要初始速度模型，也不需要调整正则化参数。其智能化程度高，简单易用，且具备与现有的频散曲线自动提取方法相结合的潜力，实现无需人工干预的自动成像。
引用本文（GB/T 7714）
少博 杨, 海江 张, Zixin Chen, 等. 基于物理信息神经网络的多周期面波成像研究[J]. SCIENTIA SINICA Terrae, 2025.
引文网络
本站仅收录题录与摘要供学习参考，全文版权归属出版方；如有侵权请联系我们删除。