Buchumschlag

Accurate background velocity model building method based on iterative deep learning in sparse transform domain

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Chen, Guoxin
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Geophysics
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Velocity model building via combining seismic slope tomography and supervised deep learning
von: Yao Huang, et al.
Veröffentlicht: (2024)

A Review of Modeling and Waveform Inversion for Marine Seismic Data
von: Chen, Guoxin
Veröffentlicht: (2026)

The role of the background velocity model for the Marchenko focusing of reflected and refracted waves
von: Kiraz, Mert Sinan Recep, et al.
Veröffentlicht: (2023)

Time‐frequency domain correlation method based on the synchrosqueezed wavelet transform for tunnel vibroseis and its application
von: Jiansen Wang, et al.
Veröffentlicht: (2024)

A facies‐constrained geostatistical seismic inversion method based on multi‐scale sparse representation
von: Qin Su, et al.
Veröffentlicht: (2024)

Advancing resistivity-chargeability modeling for complex subsurface characterization using machine learning and deep learning
von: Akingboye, Adedibu Sunny, et al.
Veröffentlicht: (2025)

An improved affine mixed‐grid method for frequency‐domain finite‐difference elastic modelling
von: Shu‐Li Dong, et al.
Veröffentlicht: (2024)

Deep Learning-Based 3D Seismic Velocity Inversion Under Dual-Domain Sparse Representation
von: Chen, Guoxin, et al.
Veröffentlicht: (2026)

Accurate identification of salt domes using deep learning techniques: Transformers, generative artificial intelligence and liquid state machines
von: Kamal Souadih, et al.
Veröffentlicht: (2024)

Centralized feature pyramid‐based supervised deep learning for object detection model from GPR data
von: Kun Yan, et al.
Veröffentlicht: (2024)

Neural network with signal parameters featuring for near‐surface velocity model building
von: Nelson Ricardo Coelho Flores Zuniga
Veröffentlicht: (2026)

Unsupervised learning inversion of seismic velocity models based on a multi‐scale strategy
von: Senlin Yang, et al.
Veröffentlicht: (2025)

Deep learning-based shot-domain seismic deblending
von: Sun, Jing, et al.
Veröffentlicht: (2024)

Simultaneous seismic data de‐aliasing and denoising with a fast adaptive method based on hybrid wavelet transform
von: Peng Zhang, et al.
Veröffentlicht: (2024)

Applications of deep learning‐based resolution‐enhanced seismic data in fault identification
von: Lei Lin, et al.
Veröffentlicht: (2025)

Time‐domain finite element method based on arbitrary quadrilateral meshes for two‐dimensional SHTE mode seismoelectric and electroseismic waves modelling
von: Jun Li, et al.
Veröffentlicht: (2024)

Towards deep learning for seismic demultiple
von: Mario R. Fernandez, et al.
Veröffentlicht: (2025)

Upscaling-based modified deep bed filtration model to match hyper-exponential retention
von: Khazali, Nastaran, et al.
Veröffentlicht: (2024)

Automatic stack velocity picking using a semi‐supervised ensemble learning method
von: Hongtao Wang, et al.
Veröffentlicht: (2024)

SeisT: A foundational deep learning model for earthquake monitoring tasks
von: Li, Sen, et al.
Veröffentlicht: (2023)

An anti-noise seismic inversion method based on diffusion model
von: Liu, Yingtian, et al.
Veröffentlicht: (2024)

Generative deep learning improves reconstruction of global historical climate records
von: Qian, Zhen, et al.
Veröffentlicht: (2026)

Physics-informed deep learning links geodetic data and fault friction
von: Fukushima, Rikuto, et al.
Veröffentlicht: (2026)

Velocity model building from seismic images using a Convolutional Neural Operator
von: Ma, Xiao, et al.
Veröffentlicht: (2025)

Multiscale transform based seismic reflectivity inversion using convolutional neural network
von: Castagna, John, et al.
Veröffentlicht: (2025)

A fine-tuning workflow for automatic first-break picking with deep learning
von: Mardan, Amir, et al.
Veröffentlicht: (2024)

Seismic attribute transformation and porosity prediction of thin water‐rich sandstone based on Lambert W–R model
von: Wan Li, et al.
Veröffentlicht: (2024)

Three-dimensional crustal deformation analysis using physics-informed deep learning
von: Okazaki, Tomohisa, et al.
Veröffentlicht: (2025)

Bayesian full waveform inversion with learned prior using deep convolutional autoencoder
von: Hu, Shuhua, et al.
Veröffentlicht: (2025)

Diffusion priors enhanced velocity model building from time-lag images using a neural operator
von: Ma, Xiao, et al.
Veröffentlicht: (2025)

High‐resolution reservoir prediction method based on data‐driven and model‐based approaches
von: Liu ZeYang, et al.
Veröffentlicht: (2024)

Deep learning velocity filtering for seismic data
von: Li, Xiaobin, et al.
Veröffentlicht: (2025)

Physics-informed deep learning quantifies propagated uncertainty in seismic structure and hypocenter determination
von: Agata, Ryoichiro, et al.
Veröffentlicht: (2024)

A deep learning framework for marine acoustic and seismic monitoring with distributed acoustic sensing
von: Zhang, Chun, et al.
Veröffentlicht: (2026)

Comparison of generative algorithms for conceptual groundwater modeling of coastal volcanic aquifer features with disparate, sparse and extremely imbalanced data
von: Friedel, Michael J.
Veröffentlicht: (2026)

Integrating Newton's Laws with deep learning for enhanced physics-informed compound flood modelling
von: Radfar, Soheil, et al.
Veröffentlicht: (2025)

Inspired by machine learning optimization: can gradient-based optimizers solve cycle skipping in full waveform inversion given sufficient iterations?
von: Mu, Xinru, et al.
Veröffentlicht: (2025)

Evaluating the performance of machine-learning-based phase pickers when applied to ocean bottom seismic data: Blanco oceanic transform fault as a case study
von: Liu, Min, et al.
Veröffentlicht: (2024)

Ground electrical and electromagnetic methods for deep mineral exploration -- results from the SEEMS DEEP project
von: Darnet, Mathieu, et al.
Veröffentlicht: (2024)

In-context learning enables continental-scale subsurface temperature prediction from sparse local observations
von: O'Malley, Daniel, et al.
Veröffentlicht: (2026)