PulseAugur
中
实时 06:28:34
English(EN) ROMNet: a hybrid reduced order modeling and machine learning approach to waveform inversion

新的ROMNet方法结合机器学习和降阶模型进行地震成像

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了ROMNet，这是一种结合降阶模型（ROM）和机器学习以改进地震成像波形反演的新方法。该方法旨在通过使用神经网络更有效地将ROM矩阵映射到波速，来降低传统全波形反演（FWI）相关的计算成本和复杂性。ROMNet使用合成数据和GeoFWI数据集进行了测试，在与Fourier-DeepONet和InversionNet等其他基于深度学习的FWI技术相比时，表现具有竞争力。 AI

影响 这种混合方法可以加速地震数据处理，并提高用于地震分析和资源勘探等应用的地下成像精度。

排序理由 该条目是一篇学术论文，详细介绍了一种新的波形反演方法。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新的ROMNet方法结合机器学习和降阶模型进行地震成像

本文如何被排名

Signal score
30 / 100
Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket
Tool
该条目是一篇学术论文，详细介绍了一种新的波形反演方法。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration
Single-source cluster
Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics
paper, infra
Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance
High
Clearly on-topic for AI-industry coverage.
Story freshness
Breaking (< 6h)
Fresh story with cross-source coverage still developing. Ranking may shift as more sources report.

完整方法见我们的编辑标准。

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Liliana Borcea, Alexander Mamonov, Kui Ren, Haizhao Yang, Chugang Yi ·

    ROMNet：一种混合降阶模型与机器学习方法用于波形反演

    arXiv:2608.25160v1 Announce Type: cross Abstract: Waveform inversion seeks to estimate the wave speed of a heterogeneous, inaccessible medium, from time-resolved measurements of the waves at user controlled sensors. We consider this inverse problem for acoustic waves and an activ…

相关实体

相关话题