Least-squares reverse time migration via linearized waveform inversion using a Wasserstein metric
Notice bibliographique
Résumé
ABSTRACT Least-squares reverse time migration (LSRTM), an effective tool for imaging the structures of the earth from seismograms, can be characterized as a linearized waveform inversion problem. We have investigated the performance of three minimization functionals as the L2 norm, the hybrid L1/L2 norm, and the Wasserstein metric (W1 metric) for LSRTM. The W1 metric used in this study is based on the dynamic formulation of transport problems, and a primal-dual hybrid gradient algorithm is introduced to efficiently compute the W1 metric between two seismograms. One-dimensional signal analysis has demonstrated that the W1 metric behaves like the L1 norm for two amplitude-varied signals. Unlike the L1 norm, the W1 metric does not suffer from the differentiability issue for null residuals. Numerical examples of the application of three misfit functions to LSRTM on synthetic data have demonstrated that, compared to the L2 norm, the hybrid L1/L2 norm and W1 metric can accelerate LSRTM and are less sensitive to non-Gaussian noise. For the field data application, the W1 metric produces the most reliable imaging results. The hybrid L1/L2 norm requires tedious trial-and-error tests for the judicious threshold parameter selection. Hence, the more automatic W1 metric is recommended as a robust alternative to the customary L2 norm for time-domain LSRTM.
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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,003 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».