关键词:
贝叶斯推断
标准化流
不确定性量化
地震成像
摘要:
为了定量评估地震成像结果的不确定性,同时减少成像伪影、提高成像分辨率,笔者采用了机器学习领域中的一种可逆神经网络—标准化流,实现高精度成像,并进行成像结果的后验估计。通过对估计的后验分布进行采样及其统计分析,笔者量化了成像过程中存在的不确定性。与传统的抽样方法,例如马尔科夫链蒙特卡罗相比,标准化流法能够直接预测后验分布,而不是依赖于随机采样,因此在计算效率和适应性方面展现出显著的优势。笔者将该方法应用于稀疏数据成像的去噪与增强,并在合成数据上进行了测试。测试结果表明,稀疏海底节点采集数据的偏移成像结果得到了改善,成像噪声减少,同相轴的连续性以及深度照明得到了加强。另外,不确定性量化通过统计后验成像结果生成。