基于深度神经网络EikoNet走时计算方法及应用

地震波走时计算在层析成像、偏移成像和微震定位等地震学领域中都有重要作用.使用有限差分方法求解程函方程是地震波走时计算的重要方法之一.常规程函方程求解方法需要计算每一个震源激发的走时场,随着网格数量的增加会消耗大量的时间和存储空间.本文介绍了基于深度神经网络的EikoNet走时计算方法,该方法构建了一个包含速度和走时场偏差之间关系的深度神经网络,通过在三维空间中采样生成训练样本,以给定的速度模型为标签实现训练过程中对网络的优化,在计算走时过程中,能传递关于地震波场和速度结构的信息,而且高度适用于GPU,可以无网格地快速确定三维域中任意两点之间的走时,大大提高了计算效率并降低了内存消耗.EikoNet方法和常规快速推进法(FMM)在几个速度模型上的数值实验表明EikoNet方法在保持高精度的同时还具有更高的效率.