当前位置:
X-MOL 学术
›
Geophys. Prospect.
›
论文详情
Our official English website, www.x-mol.net, welcomes your feedback! (Note: you will need to create a separate account there.)
Time‐domain sparsity promoting least‐squares reverse time migration with source estimation
Geophysical Prospecting ( IF 2.6 ) Pub Date : 2020-09-24 , DOI: 10.1111/1365-2478.13021 Mengmeng Yang 1 , Zhilong Fang 2 , Philipp Witte 3 , Felix J. Herrmann 1, 3
Geophysical Prospecting ( IF 2.6 ) Pub Date : 2020-09-24 , DOI: 10.1111/1365-2478.13021 Mengmeng Yang 1 , Zhilong Fang 2 , Philipp Witte 3 , Felix J. Herrmann 1, 3
Affiliation
Least-squares reverse time migration is well-known for its capability to generate artifact-free true-amplitude subsurface images through fitting observed data in the least-squares sense. However, when applied to realistic imaging problems, this approach is faced with issues related to overfitting and excessive computational costs induced by many wave-equation solves. The fact that the source function is unknown complicates this situation even further. Motivated by recent results in stochastic optimization and transform-domain sparsity-promotion, we demonstrate that the computational costs of inversion can be reduced significantly while avoiding imaging artifacts and restoring amplitudes. While powerful, these new approaches do require accurate information on the source-time function, which is often lacking. Without this information, the imaging quality deteriorates rapidly. We address this issue by presenting an approach where the source-time function is estimated on the fly through a technique known as variable projection. Aside from introducing negligible computational overhead, the proposed method is shown to perform well on imaging problems with noisy data and problems that involve complex settings such as salt. In either case, the presented method produces high resolution high-amplitude fidelity images including an estimates for the source-time function. In addition, due to its use of stochastic optimization, we arrive at these images at roughly one to two times the cost of conventional reverse time migration involving all data.
中文翻译:
时域稀疏促进最小二乘逆时偏移与源估计
最小二乘逆时偏移以其通过在最小二乘意义上拟合观测数据生成无伪影的真实振幅地下图像的能力而闻名。然而,当应用于现实成像问题时,这种方法面临着与过度拟合和由许多波方程求解引起的过度计算成本相关的问题。源函数未知的事实使这种情况更加复杂。受最近随机优化和变换域稀疏性提升的结果的启发,我们证明了反演的计算成本可以显着降低,同时避免成像伪影和恢复振幅。虽然功能强大,但这些新方法确实需要有关源时间函数的准确信息,而这通常是缺乏的。没有这些信息,成像质量迅速下降。我们通过提出一种方法来解决这个问题,其中通过一种称为变量投影的技术动态估计源时间函数。除了引入可忽略不计的计算开销外,所提出的方法在具有噪声数据的成像问题和涉及复杂设置(如盐)的问题上表现良好。在任何一种情况下,所提出的方法都会产生高分辨率高振幅保真度图像,包括对源时间函数的估计。此外,由于使用了随机优化,我们得到这些图像的成本大约是涉及所有数据的传统逆时迁移成本的一到两倍。我们通过提出一种方法来解决这个问题,其中通过一种称为变量投影的技术动态估计源时间函数。除了引入可忽略不计的计算开销外,所提出的方法在具有噪声数据的成像问题和涉及复杂设置(如盐)的问题上表现良好。在任何一种情况下,所提出的方法都会产生高分辨率高振幅保真度图像,包括对源时间函数的估计。此外,由于使用了随机优化,我们得到这些图像的成本大约是涉及所有数据的传统逆时迁移成本的一到两倍。我们通过提出一种方法来解决这个问题,其中通过一种称为变量投影的技术动态估计源时间函数。除了引入可忽略不计的计算开销外,所提出的方法在具有噪声数据的成像问题和涉及复杂设置(如盐)的问题上表现良好。在任何一种情况下,所提出的方法都会产生高分辨率高振幅保真度图像,包括对源时间函数的估计。此外,由于使用了随机优化,我们得到这些图像的成本大约是涉及所有数据的传统逆时迁移成本的一到两倍。表明所提出的方法在具有噪声数据的成像问题和涉及复杂设置(例如盐)的问题上表现良好。在任何一种情况下,所提出的方法都会产生高分辨率高振幅保真度图像,包括对源时间函数的估计。此外,由于使用了随机优化,我们得到这些图像的成本大约是涉及所有数据的传统逆时迁移成本的一到两倍。表明所提出的方法在具有噪声数据的成像问题和涉及复杂设置(例如盐)的问题上表现良好。在任何一种情况下,所提出的方法都会产生高分辨率高振幅保真度图像,包括对源时间函数的估计。此外,由于使用了随机优化,我们得到这些图像的成本大约是涉及所有数据的传统逆时迁移成本的一到两倍。
更新日期:2020-09-24
中文翻译:
时域稀疏促进最小二乘逆时偏移与源估计
最小二乘逆时偏移以其通过在最小二乘意义上拟合观测数据生成无伪影的真实振幅地下图像的能力而闻名。然而,当应用于现实成像问题时,这种方法面临着与过度拟合和由许多波方程求解引起的过度计算成本相关的问题。源函数未知的事实使这种情况更加复杂。受最近随机优化和变换域稀疏性提升的结果的启发,我们证明了反演的计算成本可以显着降低,同时避免成像伪影和恢复振幅。虽然功能强大,但这些新方法确实需要有关源时间函数的准确信息,而这通常是缺乏的。没有这些信息,成像质量迅速下降。我们通过提出一种方法来解决这个问题,其中通过一种称为变量投影的技术动态估计源时间函数。除了引入可忽略不计的计算开销外,所提出的方法在具有噪声数据的成像问题和涉及复杂设置(如盐)的问题上表现良好。在任何一种情况下,所提出的方法都会产生高分辨率高振幅保真度图像,包括对源时间函数的估计。此外,由于使用了随机优化,我们得到这些图像的成本大约是涉及所有数据的传统逆时迁移成本的一到两倍。我们通过提出一种方法来解决这个问题,其中通过一种称为变量投影的技术动态估计源时间函数。除了引入可忽略不计的计算开销外,所提出的方法在具有噪声数据的成像问题和涉及复杂设置(如盐)的问题上表现良好。在任何一种情况下,所提出的方法都会产生高分辨率高振幅保真度图像,包括对源时间函数的估计。此外,由于使用了随机优化,我们得到这些图像的成本大约是涉及所有数据的传统逆时迁移成本的一到两倍。我们通过提出一种方法来解决这个问题,其中通过一种称为变量投影的技术动态估计源时间函数。除了引入可忽略不计的计算开销外,所提出的方法在具有噪声数据的成像问题和涉及复杂设置(如盐)的问题上表现良好。在任何一种情况下,所提出的方法都会产生高分辨率高振幅保真度图像,包括对源时间函数的估计。此外,由于使用了随机优化,我们得到这些图像的成本大约是涉及所有数据的传统逆时迁移成本的一到两倍。表明所提出的方法在具有噪声数据的成像问题和涉及复杂设置(例如盐)的问题上表现良好。在任何一种情况下,所提出的方法都会产生高分辨率高振幅保真度图像,包括对源时间函数的估计。此外,由于使用了随机优化,我们得到这些图像的成本大约是涉及所有数据的传统逆时迁移成本的一到两倍。表明所提出的方法在具有噪声数据的成像问题和涉及复杂设置(例如盐)的问题上表现良好。在任何一种情况下,所提出的方法都会产生高分辨率高振幅保真度图像,包括对源时间函数的估计。此外,由于使用了随机优化,我们得到这些图像的成本大约是涉及所有数据的传统逆时迁移成本的一到两倍。