Interparameter trade-off quantification for isotropic-elastic full-waveform inversion with various model parameterizations
Notice bibliographique
Résumé
ABSTRACT Simultaneous determination of multiple physical parameters using full-waveform inversion (FWI) suffers from interparameter trade-off difficulties. Analyzing the interparameter trade-offs in different model parameterizations of isotropic-elastic FWI, and thus determining the appropriate model parameterization, are critical for efficient inversion and obtaining reliable inverted models. Five different model parameterizations are considered and compared including velocity-density, modulus-density, impedance-density, and two velocity-impedance parameterizations. The scattering radiation patterns are first used for interparameter trade-off analysis. Furthermore, a new framework is developed to evaluate the interparameter trade-off based upon multiparameter Hessian-vector products: Multiparameter point spread functions (MPSFs) and interparameter contamination sensitivity kernels (ICSKs), which provide quantitative, second-order measurements of the interparameter contaminations. In the numerical experiments, the interparameter trade-offs in various model parameterizations are evaluated using the MPSFs and ICSKs. Inversion experiments are carried out with simple Gaussian-anomaly models and a complex Marmousi model. Overall, the parameterization of the P-wave velocity, S-wave velocity, and density, and the parameterization of the P-wave velocity, S-wave velocity, and S-wave impedance perform best for reconstructing all of the physical parameters. Isotropic-elastic FWI of the Hussar low-frequency data set with various model parameterizations verifies our conclusions.
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 ».