基于深度学习的接收函数横波速度预测
基于深度学习的接收函数横波速度预测
复制标题
DOI：
10.6038/cjg2022p0025
复制
发表时间：
2022
期刊：
影响因子：
--
通讯作者：
梁策
中科院分区：
文献类型：
--
作者：
杨庭威;曹丹平;杜南樵;崔荣昂;南方舟;徐亚;梁策
远震接收函数中包含了大量台站下方速度间断面所产生的Ps转换波及其多次反射波的信息,被广泛应用于反演精细的地壳及上地幔速度结构.但当地壳结构复杂如存在沉积层或高速层时,转换波和多次波震相的到时和振幅发生变化,从而导致接收函数反演存在强非唯一性.深度学习作为一种高效的特征提取方法,能够建立接收函数与横波速度在空间上的映射关系.因此,利用全球模型数据以及高质量观测接收函数建立样本库,设计了利用接收函数预测横波速度的卷积神经网络.测试集结果表明,合成数据预测的横波速度与模型拟合程度较高,在实际数据检测中预测横波速度结果与全局反演的结果基本一致,预测的横波速度间断面与传统H-κ叠加结果也基本一致.利用该方法对琉球海沟地区海底地震数据的接收函数进行反演,获得了台站下方横波速度精细结构,进一步获得了该地区更为精细的地壳结构特征.测试实验及应用表明利用卷积神经网络预测台站下方横波速度的深度学习方法不仅计算效率高,且具有较高的可靠性.