An adaptive meshless parameterization for full waveform inversion

انحراف کامل شکل موج یک روش برای بازیابی تصاویر زیر سطح با استفاده از داده های حاصل از بررسی لرزه ای است. غیر خطی بودن، ناسازگاری، حضور سر و صدا در داده ها، تعداد زیادی از پارامترها، انواع مختلف پارامترها و محدودیت های داده ها، بعضی از عواملی هستند که باعث ناپایداری راه حل می شوند. یکی از راهکارها برای راه اندازی راه حل، انتخاب مناسب پارامتر است. بسته به استراتژی پارامتر، راه حل در یک فضای با ویژگی های خاصی جستجو می شود، به عنوان مثال، صافی، که ممکن است برای مشکل مناسب باشد. علاوه بر این، پارامترهایی که می توانند راه حل را با تعداد محدودی از پارامترها نشان دهند، به دلیل تعداد محدودی از آزادی ها، ممکن است قوی باشند. در اینجا ما یک روش پارامتری سازنده برای نشان دادن شکل موج کامل نشان می دهد که ممکن است برای دیگر مشکلات معکوس مفید باشد. پارامتریک براساس یک تکنیک بدون مشارکت است و از توابع وندلند به عنوان یک توابع پایه به یک درون یابی استفاده می کند. به عنوان یک روش بدون زنجیر، آن بسیار انعطاف پذیر است، سپس توزیع فضایی ناشناخته ها می تواند غیر یکنواخت باشد، که امکان تمرکز روی مناطق خاص یا به طور خودکار کیفیت تصویر را در نزدیکی اختلالات یک مدل سرعت بهبود می بخشد. با برخی از آزمایش های عددی از معکوس صوتی داده های مصنوعی، ما نشان می دهیم که روش پارامتریک توصیف شده در اینجا می تواند مدل های پیچیده سرعت را نشان دهد و با کاهش تعداد ناشناخته ها، روند معکوس بهتر از پارامتر استاندارد با بلوک ها رفتار می کند. ما همچنین نشان می دهیم که پارامترهای سازگاری غیر فعال دارای اثربخشی قابل تنظیم است، اجتناب از الگوهای غیر طبیعی و اولویت بندی تصاویر صاف.