基于密集残差物理信息神经网络的各向异性旅行时计算方法

来源：计算机应用杂志2024年第7期北京时间：

作者：赵亦群, 张志禹, 董雪

单位：西安理工大学 自动化与信息工程学院，西安 710048

摘要：针对目前利用物理信息神经网络计算旅行时只是应用在各向同性介质上、在远离震源时误差较大和效率低等问题，而有限差分法、试射法和弯曲法等方法在多震源、高密度网格上计算成本高等问题，提出一种密集残差物理信息神经网络计算各向异性介质旅行时的方法。首先推导了各向异性因式分解后的程函方程作为损失函数项；其次引入局部自适应反正切函数为激活函数和L-BFGS-B（Limited-memory Broyden-Fletcher-Goldfarb-Shanno-B）作为优化器；最后在网络中采用分段式训练的方式，先训练深层密集残差网络，然后冻结其参数，再训练具有物理意义的浅层密集残差网络，从而评估网络得到旅行时。实验结果表明，所提方法在均匀速度模型下的旅行时最大绝对误差达到了0.015 8 μs，其他速度模型下平均绝对误差平均下降了两个数量级，在效率方面也平均提高了1倍，明显优于快速扫描法。

关键词：深度学习,物理信息神经网络,各向异性,旅行时,程函方程

基金资助：国家自然科学基金资助项目(U21A20485)