地震数据、速度模型种类及它们之间的映射分析

摘要: 本贴从总体上讨论数据、速度模型、以及它们之间的映射.

1. 两种数据

1.1 实际数据 D1
1.2 人造数据 D2

2. 四种速度模型

2.1 真实速度模型 $V_1$
可能永远得不到，只有部分测井数据做验证
2.2 人造速度模型 $V_2$
除了 OpenFWI, SEG/Salt 等，我们自己也可以造 (张星移做过，许琼在做更深入的方法).
2.3 传统流程生成的速度模型 $V_3$
找勘探专家能要到一些，需要进行整理以保证与地震数据的匹配/对齐 (汪依帆正在做)
2.4 传统 FWI 获得的速度模型 $V_4$
我们一般没弄

3. 可能的映射

3.1 正演模拟进行数据生成：$D_2=f_1(V2)$
波动方程方法成熟，可以用GPU算
3.2 传统 FWI：$V_2=f_2^{-1}(D_2)$
效果好，但速度慢
3.3 传统流程：$V_3=f_3^{-1}(D_1)$
虽然这样做了，但一般不用函数表示
3.4 DL-FWI 及其在人造数据上的测试：$V_2=f_4^{-1}(D_2)$
这是我们开展得充分的工作，在 OpenFWI 等数据集上效果好
3.5 DL-FWI 及其在实际数据上的测试：$V_3=f_5^{-1}(D_1)$
向传统流程学习，希望效果能逼近它。先达到，后超越。

4. 小结

当前 $f4$ 与 $f_5$ 采用相同的网络架构，但经过训练后获得的参数不同。如果它们可以采用同样的参数，即可以兼容正演模拟方法（即 $f_4$）和传统流程（即 $f_5$），又可以兼容模拟数据与实际数据，我们就有信心它能表现如下（最终）映射：$V_1=f_6^{-1}(D_1)$

注：速度模型到地震数据用函数 $f$，反之用 $f^{-1}$。

5. 进一步讨论

在 3.5 中说的 “先达到，后超越” 用哪种方式？

• A. 以 PINN 的方式超越
  这是现在主流的模式，即把正演理论用某种形式嵌入网络。
• B. 构建更大的数据集，用现有算法就可能超越
  回想一下 ImageNet，它由人类提供标签，并不保证正确。2017-2018 年机器超过了人类。也就是说，即使传统流程的效果不完美，用足够的数据训练后，机器也可能做得更好。