محاسبه مدل سرعت و حل مسئله وارون لرزه‌ای با استفاده از شبکه‌های عصبی آگاه از فیزیک مسئله

نوع مقاله : سایر مقالات

نویسندگان

1 دانشگاه صنعتی شاهرود

2 دانشگاه صنعتی شاهرود - دانشکده مهندسی معدن، نفت و ژئوفیزیک

چکیده

روش‌های سنتی عددی و مبتنی بر گرادیان در حل مسائل وارون لرزه ای با چالش‌هایی مانند نیاز به مدل اولیه سرعت و خطر به دام افتادن در کمینه‌های محلی مواجه‌اند. در این پژوهش، شبکه‌های عصبی آگاه از فیزیک مسئله (PINN) برای حل معادله موج آکوستیک دو بعدی و وارون‌سازی شکل موج کامل به کار گرفته شده‌اند. در سال‌های اخیر، یادگیری عمیق تحولات چشمگیری در علوم مختلف، به‌ویژه در علوم زمین و لرزه‌شناسی، ایجاد کرده است. روش‌های مبتنی بر شبکه‌های عصبی مصنوعی معمولاً صرفاً بر داده‌های موجود تکیه دارند و نقش دانش علمی در فرآیند آموزش را نادیده می‌گیرند. در این راستا، شبکه‌های عصبی آگاه از فیزیک مسئله به‌ عنوان رویکردی نوین معرفی شده‌اند که با ترکیب دانش علمی و یادگیری ماشین، چالش‌های روش‌های متداول را تا حد زیادی برطرف می‌کنند. از جمله مزایای این روش کاهش وابستگی به حجم بالای داده‌های آموزشی و بهبود قابلیت تفسیر مدل‌های یادگیری عمیق است. در این پژوهش، از شبکه‌های عصبی آگاه از فیزیک مسئله برای حل معادله موج آکوستیک دو بعدی و وارون‌سازی شکل موج کامل استفاده شده است. مدل سرعت حاصل، با خروجی شبکه‌های عصبی ناآگاه از فیزیک مقایسه شده تا میزان دقت و کارایی روش پیشنهادی مورد ارزیابی قرار گیرد. نتایج این پژوهش نشان می‌دهد که استفاده از شبکه‌های عصبی آگاه از فیزیک مسئله، ضمن کاهش این چالش‌ها، عملکرد بهتری نسبت به روش‌های عددی کلاسیک و شبکه‌های عصبی ناآگاه از فیزیک دارد. این روش با بهره‌گیری از دانش فیزیکی ضمن کاهش وابستگی به داده‌های برچسب‌گذاری‌شده، دقت و قابلیت اطمینان مدل‌های وارون‌سازی لرزه‌ای را بهبود می‌بخشد.

کلیدواژه‌ها