Comparison of multifrequency selection strategies for simultaneous-source full-waveform inversion
Notice bibliographique
Résumé
ABSTRACT The computational cost of full-waveform inversion (FWI) is a major obstacle to estimating the velocity model for large-scale problems. One way to reduce the overall cost of waveform inversion is by adopting a simultaneous-source strategy. In other words, multiple sources are simultaneously fired to simulate supershot gathers and thereby reduce the number of seismic modeling simulations that are performed during the inversion. However, the use of simultaneous sources introduces crosstalk artifacts that arise from the interference among the sources that constitute a supershot. We analyzed the influence of different simultaneous multifrequency selection strategies on crosstalk artifacts. Our analysis focused on a frequency-domain FWI algorithm that is implemented with simultaneous sources that are randomly encoded with random time shifts. In the multiscale conventional FWI strategies, a finite set of discrete frequencies was selected and the inversion was carried out sequentially from low- to high-frequency data components. First, the long wavelength components of model parameters were recovered from the low-frequency data, and then more details and features were extracted as the inversion proceeded to the higher frequency data. We examined six frequency selection strategies and tested the performance of the algorithm with encoded data sets. Numerical tests showed that high-fidelity results could be attained by inverting partially overlapped groups of temporal frequencies. Our FWI algorithm is based on a matrix-free Gauss-Newton method. To mitigate crosstalk artifacts during the numerical inversion, a new encoding was generated at every iteration. We also found that high-resolution images can be obtained by resampling new source positions and new encoding functions at every iteration of the FWI algorithm.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».