Ալիքային ձևի լրիվ շրջման ալգորիթմի ներածություն

Ալիքային ձևի լրիվ շրջման (FWI) ալգորիթմի ներածություն

1. Պենդահուլուան

Ժամանակակից երկրաֆիզիկայում Երկրի ենթամակերևութային կառուցվածքը «տեսնելու» անհրաժեշտությունը մեծանում է: Էներգետիկ արդյունաբերությունը, աղետների մեղմացումը, երկրաջերմային հետազոտությունները և նույնիսկ տեկտոնական հետազոտությունները պահանջում են մանրամասն ենթամակերևութային մոդելներ. ինչպես է սեյսմիկ ալիքի արագությունը փոխվում խորության հետ, որտեղ են գտնվում ապարային շերտերի սահմանները և ինչպես կարող են փոքր տարասեռությունները ազդել ալիքի տարածման վրա: Այս նպատակի համար ամենահզոր մոտեցումներից մեկը լրիվ ալիքային ձևի ինվերսիան (FWI) է, որը ինվերսիայի ալգորիթմ է, որն օգտագործում է սեյսմիկ ալիքային ձևերից ստացված ամբողջական տեղեկատվությունը ենթամակերևութային ֆիզիկական պարամետրերը գնահատելու համար:

Սեյսմիկ ինվերսիայի «ոսկե ստանդարտը» հաճախ անվանում են FWI (Երկրի մակերևույթի ստորգետնյա պատկերներ) քանի որ այն կարող է ստանալ բարձր թույլտվությամբ ստորգետնյա պատկերներ, գերազանցելով միայն ճանապարհորդության ժամանակը կամ պարզ ամպլիտուդը օգտագործող ավանդական մոտեցումները: Այնուամենայնիվ, այս հզորությունն ունի իր գինը. FWI-ն պահանջում է ճշգրիտ ալիքային մոդելավորում, զգալի հաշվողական ռեսուրսներ և զգույշ օպտիմալացման ռազմավարություններ՝ սխալ լուծումների մեջ ընկնելուց խուսափելու համար:

Այս հոդվածը ներկայացնում է FWI-ի հիմնական հասկացությունները, դրա ալգորիթմի հիմնական բաղադրիչները, ինչպես նաև դրա իրականացման ընդհանուր մարտահրավերներն ու ռազմավարությունները։

-

2. Ի՞նչ է լրիվ ալիքային ինվերսիան։

Պարզ ասած, FWI-ը ստորգետնյա մոդել գտնելու գործընթաց է, որը լավագույնս համապատասխանում է սիմուլյացված սեյսմիկ տվյալները դիտարկված սեյսմիկ տվյալներին: «Լավագույն համապատասխանությունը» սահմանվում է օբյեկտիվ ֆունկցիայով (անհամապատասխանություն), ինչպիսին է դիտարկված և սինթետիկ տվյալների միջև քառակուսային տարբերությունը յուրաքանչյուր ժամանակային կետում և յուրաքանչյուր ընդունիչի մոտ:

FWI-ի և այլ ինվերսիայի մեթոդների միջև հիմնական տարբերությունները հետևյալն են.
– FWI-ն օգտագործում է ամբողջ ալիքի ձևը (փուլ, ամպլիտուդ, ինտերֆերենցիա, բազմակի, դիֆրակցիա), այլ ոչ թե միայն ժամանման ժամանակի ընտրությունը։
– FWI-ն հիմնվում է ալիքային հավասարման (ակուստիկ, առաձգական կամ անառաձգական) լուծման վրա՝ սինթետիկ տվյալները մոդելավորելու համար։
– FWI-ը մեծածավալ ոչ գծային օպտիմալացման խնդիր է, քանի որ մոդելի պարամետրերը (օրինակ՝ P կամ S ալիքների արագությունները) կարող են թվարկել միլիոնավոր բջիջներ 2D/3D ցանցի վրա։

-

3. FWI-ի հիմնական բաղադրիչները

3.1 Դիտարկողական տվյալներ և սինթետիկ տվյալներ
Տեղեկատվության ազատության մասին տեղեկատվությունը պահանջում է.
– Դիտարկման տվյալներ՝ դաշտային սեյսմիկ գրանցումներ (կրակոցների հավաքում) տարբեր աղբյուրներից և ընդունիչներից։
– Սինթետիկ տվյալներ. ալիքի տարածման թվային մոդելավորման արդյունքները ժամանակավոր մոդելի վրա։

Սինթետիկ տվյալները հաշվարկվում են ալիքային հավասարումը լուծելով (օրինակ՝ ակուստիկ ալիքային հավասարումը).

\[
\frac{1}{v^2(\mathbf{x})}\frac{\partial^2 p}{\partial t^2} – \nabla^2 p = s(\mathbf{x},t)
\]

որտեղ v(x)-ը ալիքի արագությունն է, p-ն՝ սկալյար ճնշումը/ալիքը, իսկ s-ը՝ աղբյուրը։

3.2 Սկզբնական մոդել
FWI-ը շատ զգայուն է սկզբնական մոդելի նկատմամբ։ Եթե սկզբնական մոդելը չափազանց հեռու է իրական պայմաններից, ալգորիթմը կարող է ունենալ ցիկլի բացթողումներ, երբ սինթետիկ և դիտարկվող տվյալների միջև փուլային տարբերությունը կես պարբերությունից ավելի է, ինչը հանգեցնում է գրադիենտի կողմից լուծումը սխալ ուղղությամբ մղելուն։

Սկզբնական մոդելը սովորաբար ստացվում է հետևյալից.
– ճանապարհորդության ժամանակի ինվերսիա (տոմոգրաֆիա),
– երկրաբանական վերլուծությունից ստացված մակրո արագության մոդելներ,
– կամ բազմամասշտաբ մոտեցում (սկսած ցածր հաճախականություններից):

3.3 Նպատակային ֆունկցիա (անհամապատասխանություն)
Ընդհանուր նպատակային գործառույթներ.

\[
J(m)=\frac{1}{2}\sum_{s}\sum_{r}\int (d_{\text{syn}}(t; m)-d_{\text{obs}}(t))^2 \, dt
\]

որտեղ m-ը մոդելի պարամետր է (օրինակ՝ արագություն), s-ը աղբյուրի ինդեքսն է, իսկ r-ը՝ ընդունիչի ինդեքսը։

Բացի դասական L2 անհամապատասխանությունից, կան նաև այլընտրանքային անհամապատասխանություններ՝ ցիկլի բացթողումները նվազեցնելու համար, օրինակ՝
– ծրարի վրա հիմնված անհամապատասխանություն,
– միայն փուլային անհամապատասխանություն,
- օպտիմալ տրանսպորտ (Wasserstein),
– կամ համապատասխան ֆիլտրեր։

3.4 Գրադիենտի հաշվարկ. Հարակից վիճակի մեթոդ
FWI-ի հիմնական առանձնահատկություններից մեկը գրադիենտների արդյունավետ հաշվարկն է: Քանի որ մոդելի պարամետրերի քանակը շատ մեծ է, ուղղակի թվային ածանցումը անհնար է: Լուծումը հարակից վիճակի մեթոդն է:

Ինտուիտիվ պատկեր.
1. Ուղղահայաց մոդելավորում. հաշվարկեք ուղիղ ալիքային դաշտը աղբյուրից ընթացիկ մոդելում։
2. Հաշվարկեք տվյալների մնացորդը՝ \( \Delta d = d_{\text{syn}} – d_{\text{obs}} \).
3. Հարակից մոդելավորում. մնացորդը ներարկել որպես «վերադարձի աղբյուր» ընդունիչի դիրքից և տարածել այն ժամանակի մեջ հետ։
4. Առաջնային և հարակից ալիքային դաշտերի միջև փոխհարաբերությունը մոդելի պարամետրերի գրադիենտ է առաջացնում։

Այս տեխնիկայի դեպքում գրադիենտի հաշվողական արժեքը մոտավորապես համարժեք է մեկ աղբյուրի համար ալիքային մոդելավորման կրկնակի չափին (առաջ + հարակից), ուստի այն դեռևս մեծ է, բայց իրագործելի է HPC/GPU-ի վրա։

3.5 Մոդելի թարմացման սխեմա (օպտիմալացում)
Երբ ստացվում է գրադիենտը \( \nabla J \), մոդելը թարմացվում է օպտիմալացման մեթոդով, օրինակ՝
– Ամենաճոճ վայրէջքը (ամենապարզը),
– Խոնջված գրադիենտ,
– L-BFGS (հաճախ օգտագործվում է, քանի որ այն արդյունավետ է մեծ խնդիրների համար),
կամ Նյուտոնի/կվազի-Նյուտոնի մեթոդը։

Հիմնական թարմացումներ.

\[
m_{k+1} = m_k – α_k, H_k^{-1} J(m_k)
\]

որտեղ \(α_k\)-ն քայլի երկարությունն է, իսկ \(H_k^{-1}\)-ն՝ հակադարձ Հեսսյան մոտարկումը (օրինակ՝ L-BFGS-ում):

-

4. FWI ալգորիթմի աշխատանքային հոսք (համառոտ)

Ընդհանուր առմամբ, FWI-ն աշխատում է իտերատիվ կերպով.

1. Ընտրեք սկզբնական մոդելը \(m_0 \):
2. Յուրաքանչյուր աղբյուրի համար՝
– կատարել առաջադեմ մոդելավորում → սինթետիկ տվյալներ,
– հաշվարկել մնացորդները դիտարկման տվյալների համեմատ,
- կատարել հարակից մոդելավորում,
– գրադիենտի կուտակում։
3. Կիրառել նախապայմանավորում (օրինակ՝ լուսավորության փոխհատուցում կամ հարթեցում):
4. Թարմացրեք մոդելը օպտիմալացման մեթոդներով։
5. Կրկնել մինչև կոնվերգենցիան կամ իտերացիայի սահմանը հասնի։

Սովորաբար FWI-ն իրականացվում է բազմամասշտաբ՝ սկսելով ցածր հաճախականություններից (ուղղելով մեծամասշտաբ մոդելի բաղադրիչները) և այնուհետև անցնելով ավելի բարձր հաճախականությունների (ավելացնելով մանրամասներ):

-

5. Հիմնական մարտահրավերները FWI-ում

5.1 Ցիկլի բացթողում
Սա ամենահայտնի խնդիրն է։ Երբ սինթետիկ և դիտարկվող տվյալները «փուլային» չեն, L2 անհամապատասխանությունը կարող է հանգեցնել օպտիմալացման կեղծ տեղական մինիմումների։ Ընդհանուր լուծումը՝
– սկսած շատ ցածր հաճախականություններից,
– բարելավել սկզբնական մոդելը (տոմոգրաֆիա),
– այլընտրանքային անհամապատասխանությունների օգտագործումը,
– կիրառել ժամանակային պատուհանավորման և տվյալների ընտրության ռազմավարություններ։

5.2 Հաշվարկային ծախսեր
Բազմաթիվ աղբյուրներով եռաչափ տեղեկատվության ընկալումը կարող է պահանջել հազարավորից մինչև միլիոնավոր ալիքային սիմուլյացիաներ: Սա պահանջում է.
– զուգահեռ հաշվարկներ (կլաստերային, գրաֆիկական պրոցեսոր),
– հիշողության խնայողություն (ալիքային դաշտերը պահպանելու համար ստուգիչ կետերի տեղադրում),
– ինչպես նաև աղբյուրի ենթաբազմության ընտրության ռազմավարություններ (աղբյուրի կոդավորում կամ մինի-փաթեթային տարբերակ՝ մեքենայական ուսուցման միջոցով):

5.3 Ֆիզիկայի և աղմուկի անհամապատասխանություն
Դաշտային տվյալները պարունակում են աղմուկ, գործիքային էֆեկտներ, անիզոտրոպիա, մարում (Q), բարդ տեղագրություն և աղբյուրի անորոշություն: Եթե ուղիղ մոդելավորումը չափազանց պարզ է (օրինակ՝ ակուստիկ, երբ միջավայրը առաձգական է), ինվերսիայի արդյունքները կարող են կողմնակալ լինել:

5.4 Մոդելի պարամետրացում
Ինվերտացիայի ենթակա պարամետրերի ընտրությունը (օրինակ՝ \(v_p \), խտությունը, \(v_s \), անիզոտրոպիան, Q) ազդում է զգայունության և կայունության վրա: Չափազանց շատ պարամետրեր կարող են փոխզիջումներ առաջացնել և վատթարացնել կոնվերգենցիան:

-

6. Տեղեկատվության տրամադրման դիմում

FWI-ն լայնորեն կիրառվում է հետևյալի համար՝
– նավթի և գազի հետախուզում. արագության մոդելների լուծաչափի բարելավում, կառուցվածքների միգրացիայի և մեկնաբանման օժանդակում,
– երկրաջերմային. ճեղքման գոտիների և լիթոլոգիական փոփոխությունների քարտեզագրում,
– գլոբալ/տարածաշրջանային սեյսմոլոգիա. մանտիայի և կեղևի պատկերացում,
– երկրաբանական և մոտ մակերևութային ճարտարագիտություն. հիմքերի, թունելների և մեղմացման աշխատանքների մակերեսային քարտեզագրում։

FWI-ի առավելությունները ակնհայտ են, երբ միջավայրը բարդ է, իսկ տվյալները հարուստ են ալիքային տեղեկատվությամբ. փոքր դիֆրակցիաները, բազմուղիները և բազմապատիկները, որոնք սովորաբար համարվում են ինտերֆերենցիա, իրականում կարող են լինել տեղեկատվության աղբյուրներ։

-

7. Եզրակացություն

Լրիվ ալիքային ձևի ինվերսիան սեյսմիկ ինվերսիայի ալգորիթմ է, որն օգտագործում է ալիքային ձևերում պարունակվող հարուստ տեղեկատվությունը բարձր թույլտվությամբ ստորգետնյա մոդելներ կառուցելու համար: Դրա հաջողության գրավականը կայանում է ալիքային հավասարումների ճշգրիտ մոդելավորման, հարակից վիճակի մեթոդով գրադիենտի արդյունավետ հաշվարկների և օպտիմալացման ռազմավարությունների մեջ, որոնք խուսափում են տեղական մինիմումներից, ինչպիսիք են ցիկլի բացթողումները: Չնայած իր բարձր հաշվողական պահանջներին և ուշադիր աշխատանքային հոսքի նախագծմանը, FWI-ն ապացուցել է իր հզոր մոտեցումը գեոպատկերման և ռեսուրսների ուսումնասիրության մեջ:

Եթե ​​ցանկանում եք, կարող եմ շարունակել ավելի տեխնիկական հոդվածներով, օրինակ՝ ավելի պաշտոնական քննարկում հարակից գրադիենտային ածանցման, FWI կեղծկոդի օրինակների կամ իրական տվյալների համար գոտիական անցման և պատուհանավորման վրա հիմնված բազմամասշտաբ ռազմավարությունների վերաբերյալ։