Buchumschlag

Leveraging generative adversarial networks with spatially adaptive denormalization for multivariate stochastic seismic data inversion

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Miele, Roberto, Azevedo, Leonardo
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Geophysics Machine Learning Applications
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Diffusion models for multivariate subsurface generation and efficient probabilistic inversion
von: Miele, Roberto, et al.
Veröffentlicht: (2025)

Constructing balanced datasets for predicting failure modes in structural systems under seismic hazards
von: Kim, Jungho, et al.
Veröffentlicht: (2025)

Uncertainty quantification for seismic response using dimensionality reduction-based stochastic simulator
von: Kim, Jungho, et al.
Veröffentlicht: (2024)

Facies Classification with Copula Entropy
von: Ma, Jian
Veröffentlicht: (2025)

Efficacy of Temporal Fusion Transformers for Runoff Simulation
von: Koya, Sinan Rasiya, et al.
Veröffentlicht: (2025)

EarthquakeNPP: A Benchmark for Earthquake Forecasting with Neural Point Processes
von: Stockman, Samuel, et al.
Veröffentlicht: (2024)

At the junction between deep learning and statistics of extremes: formalizing the landslide hazard definition
von: Dahal, Ashok, et al.
Veröffentlicht: (2024)

Analysis and Optimization of Seismic Monitoring Networks with Bayesian Optimal Experiment Design
von: Callahan, Jake, et al.
Veröffentlicht: (2024)

Gaussian Processes for Probabilistic Estimates of Earthquake Ground Shaking: A 1-D Proof-of-Concept
von: Scivier, Sam A., et al.
Veröffentlicht: (2024)

Bayesian Event Categorization Matrix Approach for Explosion Monitoring
von: Koermer, Scott, et al.
Veröffentlicht: (2024)

Well log data generation and imputation using sequence-based generative adversarial networks
von: Al-Fakih, Abdulrahman, et al.
Veröffentlicht: (2024)

Non-parametric kernel density estimation of magnitude distribution for the analysis of seismic hazard posed by anthropogenic seismicity
von: Tong, Francis, et al.
Veröffentlicht: (2025)

Strategic Geosteering Workflow with Uncertainty Quantification and Deep Learning: A Case Study on the Goliat Field
von: Rammay, Muzammil Hussain, et al.
Veröffentlicht: (2022)

Nationwide frequency-dependent seismic site amplification models for Iceland
von: Darzi, Atefe, et al.
Veröffentlicht: (2024)

DISTINGUISH Workflow: A New Paradigm of Dynamic Well Placement Using Generative Machine Learning
von: Alyaev, Sergey, et al.
Veröffentlicht: (2025)

A stable deep adversarial learning approach for geological facies generation
von: Bhavsar, Ferdinand, et al.
Veröffentlicht: (2023)

On the Residual-based Neural Network for Unmodeled Distortions in Coordinate Transformation
von: Rofatto, Vinicius Francisco, et al.
Veröffentlicht: (2025)

Controllable seismic velocity synthesis using generative diffusion models
von: Wang, Fu, et al.
Veröffentlicht: (2024)

Bayesian weighted time-lapse full-waveform inversion using a receiver-extension strategy
von: da Silva, Sergio Luiz E. F., et al.
Veröffentlicht: (2024)

WISE: full-Waveform variational Inference via Subsurface Extensions
von: Yin, Ziyi, et al.
Veröffentlicht: (2023)

Bayesian geoacoustic inversion using mixture density network
von: Wu, Guoli, et al.
Veröffentlicht: (2020)

Extrapolation from historical data cannot reliably predict the time of a potential AMOC collapse
von: Morr, Andreas, et al.
Veröffentlicht: (2026)

Gas trap prediction from 3D seismic and well test data using machine learning
von: Ivlev, Dmitry
Veröffentlicht: (2024)

Stochastic full waveform inversion with deep generative prior for uncertainty quantification
von: Xie, Yuke, et al.
Veröffentlicht: (2024)

Extending the Joint Probability Method to Compound Flooding: Statistical Delineation of Transition Zones and Design Event Selection
von: Bartlett, Mark S., et al.
Veröffentlicht: (2025)

Smooth surface reconstruction of earthquake faults from distributed moment-potency-tensor solutions
von: Sato, Dye SK, et al.
Veröffentlicht: (2025)

Residual Kriging for Regional-Scale Canopy Height Mapping: Insights into GEDI-Induced Anisotropies and Sparse Sampling
von: Lahssini, Kamel, et al.
Veröffentlicht: (2025)

Stochastic ecohydrological perspective on semi-distributed rainfall-runoff dynamics
von: Bartlett, Mark S., et al.
Veröffentlicht: (2025)

Recorded Versus Synthetic Spectral-compatible Ground Motions: A Comparative Analysis of Structural Seismic Responses
von: Kim, Jungho, et al.
Veröffentlicht: (2025)

The EEPAS Model Revisited: Statistical Formalism and a High-Performance, Reproducible Open-Source Framework
von: Chung, Szu-Chi, et al.
Veröffentlicht: (2025)

Tidal Triggering of Magnitude 7+ Earthquakes by Jupiter
von: Holt, E. W., et al.
Veröffentlicht: (2025)

Risk-based framework to determine climate-informed design storms for road drainage infrastructure
von: Fereshtehpour, Mohammad, et al.
Veröffentlicht: (2025)

Scalable Gaussian Process for Learning Non-Ergodic Ground Motion Model from Physics-Based Simulations with Application to Power Infrastructure Assessment
von: Zhao, Jinyan, et al.
Veröffentlicht: (2026)

Quest for an efficient mathematical and computational method to explore optimal extreme weather modification
von: Sawada, Yohei
Veröffentlicht: (2024)

Entropy-based feature selection for capturing impacts in Earth system models with extreme forcing
von: Watkins, Jerry, et al.
Veröffentlicht: (2024)

Diffusional earthquakes and their slip-distance scaling
von: Sato, Dye SK, et al.
Veröffentlicht: (2026)

Modelling Evolutionary Power Spectral Density Functions of Strong Earthquakes Via Copulas
von: Isaías, Bañales, et al.
Veröffentlicht: (2024)

Smart Ensemble Learning Framework for Predicting Groundwater Heavy Metal Pollution
von: Ansah-Narh, T., et al.
Veröffentlicht: (2026)

Seismic inversion using hybrid quantum neural networks
von: Vashisth, Divakar, et al.
Veröffentlicht: (2025)

IntraSeismic: a coordinate-based learning approach to seismic inversion
von: Romero, Juan, et al.
Veröffentlicht: (2023)