| Sumario: | La inversión completa de la forma de onda (FWI) es una técnica poderosa en sismología que tiene como objetivo lograr modelos subsuperficiales de alta resolución mediante la comparación iterativa de formas de onda sísmicas registradas con formas de onda modeladas. El éxito de la FWI depende de la precisión de los algoritmos de modelado directo y la efectividad de las estrategias de optimización. En este estudio, proponemos una metodología de FWI que aprovecha los esquemas de diferencias finitas no balanceadas en una malla alternada (NBFD) en el proceso de modelado directo. Al emplear operadores con diferenciación espacial de longitudes variables, estos esquemas mejoran la eficiencia del modelado directo. Para el proceso de optimización, empleamos la optimización basada en gradientes adaptables con decaimiento de peso, un enfoque ampliamente utilizado en algoritmos de aprendizaje automático y aprendizaje profundo para el entrenamiento de redes neuronales artificiales. Estos métodos demuestran un procesamiento eficiente de la optimización para grandes volúmenes de datos con alta precisión. Una ventaja de la optimización basada en gradientes adaptables es usar el ajuste dinámico de la tasa de actualización de los parámetros del modelo durante el proceso iterativo, y de esta forma acelerar la minimización de la función objetivo. Esto debido a una velocidad de convergencia mayor, que también mejora la estabilidad y supera los desafíos asociados con los métodos tradicionales de ajuste de tasa fija. Para garantizar resultados de inversión precisos y evitar mínimos locales en la minimización de la función de costo, implementamos una estrategia de inversión de multiescala dentro del flujo de trabajo. Los resultados obtenidos se comparan con los obtenidos mediante FWI convencional utilizando diferencias finitas tradicionales en una malla alternada y varios métodos de optimización. Nuestros hallazgos demuestran que el empleo...
|
|---|