[发明专利]一种基于域分解的物理驱动深度学习反演方法

权利要求书

1.一种基于域分解的物理驱动深度学习反演方法，其特征在于所述方法的主要步骤如下：

（1）获得地下介质模型参数，初始化待反演的地下介质模型参数空间记为M^k，空间离散步长s^k，初始化域分解次数k=1；

（2）对M^k进行离散化得到M^k = [m₁ m₂......m_n]^T；在上述步骤（2）中m_i∈M^k，i∈Z，1≤i≤n；Z表示整数集；n表示对M^k以步长s^k进行离散化得到的样点数；

（3）将M^k中各元素进行正演计算，得到对应的观测数据；f(·)为正演算子用于建立从模型参数到观测数据之间的映射关系，包括弹性波方程或声波方程；

（4）在M^k内对观测数据d^obs进行机器学习反演，得到；其中

，机器学习待定系数，其中

， ；

（5）更新域分解次数k = k + 1;

（6）选取新的模型参数空间记为M^k，设定新的空间离散步长s^k；

（7）返回步骤（2）并顺序执行其后各个步骤，直至反演精度达到预期要求。

2.根据权利要求1所述的一种基于域分解的物理驱动深度学习反演方法，其特征在于所述步骤（1）中空间离散步长s^k采用等间隔离散化或采用非等间隔离散化。

3.根据权利要求1所述的一种基于域分解的物理驱动深度学习反演方法，其特征在于所述步骤（6）中对地下介质模型参数空间M^k-1分解得到若干子空间，选取新的模型参数空间记为M^k，使m^k-1∈M^k且M^kM^k-1；与步骤（1）相同，该步骤中设定的空间离散步长s^k可为等间隔也可为非等间隔。