In this work, by introducing the seismic impedance tensor we propose a new Rayleigh wave dispersion function in a homogeneous and layered medium of the Earth, which provides an efficient way to compute the dispersion curve -- a relation between the frequencies and the phase velocities. With this newly established forward model, based on the Mixture Density Networks (MDN) we develop a machine learning based inversion approach, named as FW-MDN, for the problem of estimating the S-wave velocity from the dispersion curves. The method FW-MDN deals with the non-uniqueness issue encountered in studies that invert dispersion curves for crust and upper mantle models and attains a satisfactory performance on the dataset with various noise structure. Numerical simulations are performed to show that the FW-MDN possesses the characteristics of easy calculation, efficient computation, and high precision for the model characterization.


翻译:在这项工作中,通过引入地震阻力拉强,我们提议在地球的同质和层介质介质中建立新的Rayleigh波分散功能,这为计算分散曲线提供了一种有效的方法 -- -- 频率和阶段速度之间的关系。有了这一新建立的远期模型,以混合密度网络(MDN)为基础,我们开发了一种机器学习的反向方法,称为FW-MDN,用于从分散曲线中估计S波速度的问题。FW-MDN方法处理在对地壳和上层层模型进行反向分散曲线的研究中遇到的非独特性问题,并取得不同噪音结构在数据集上令人满意的性能。进行了数值模拟,以显示FW-MDN具有简单计算、高效计算和高精确模型特征特征的特性。

0
下载
关闭预览

相关内容

【干货书】机器学习速查手册,135页pdf
专知会员服务
125+阅读 · 2020年11月20日
Stabilizing Transformers for Reinforcement Learning
专知会员服务
58+阅读 · 2019年10月17日
Keras François Chollet 《Deep Learning with Python 》, 386页pdf
专知会员服务
151+阅读 · 2019年10月12日
【SIGGRAPH2019】TensorFlow 2.0深度学习计算机图形学应用
专知会员服务
39+阅读 · 2019年10月9日
LibRec 精选:AutoML for Contextual Bandits
LibRec智能推荐
7+阅读 · 2019年9月19日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
19篇ICML2019论文摘录选读!
专知
28+阅读 · 2019年4月28日
逆强化学习-学习人先验的动机
CreateAMind
15+阅读 · 2019年1月18日
【NIPS2018】接收论文列表
专知
5+阅读 · 2018年9月10日
Hierarchical Imitation - Reinforcement Learning
CreateAMind
19+阅读 · 2018年5月25日
Reinforcement Learning: An Introduction 2018第二版 500页
CreateAMind
11+阅读 · 2018年4月27日
【论文】变分推断(Variational inference)的总结
机器学习研究会
39+阅读 · 2017年11月16日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
强化学习 cartpole_a3c
CreateAMind
9+阅读 · 2017年7月21日
Arxiv
0+阅读 · 2021年8月30日
Arxiv
0+阅读 · 2021年8月27日
Learning primal-dual sparse kernel machines
Arxiv
0+阅读 · 2021年8月27日
Arxiv
0+阅读 · 2021年8月26日
Arxiv
6+阅读 · 2018年10月3日
VIP会员
相关资讯
LibRec 精选:AutoML for Contextual Bandits
LibRec智能推荐
7+阅读 · 2019年9月19日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
19篇ICML2019论文摘录选读!
专知
28+阅读 · 2019年4月28日
逆强化学习-学习人先验的动机
CreateAMind
15+阅读 · 2019年1月18日
【NIPS2018】接收论文列表
专知
5+阅读 · 2018年9月10日
Hierarchical Imitation - Reinforcement Learning
CreateAMind
19+阅读 · 2018年5月25日
Reinforcement Learning: An Introduction 2018第二版 500页
CreateAMind
11+阅读 · 2018年4月27日
【论文】变分推断(Variational inference)的总结
机器学习研究会
39+阅读 · 2017年11月16日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
强化学习 cartpole_a3c
CreateAMind
9+阅读 · 2017年7月21日
Top
微信扫码咨询专知VIP会员