下面是我们讨论的数字:
“走时反演”是一个非常广泛的类别,它包括任何逆问题,其中输入数据是从震源脉冲到地震仪接收到它的时间延迟。这包括折射层析成像、反射层析成像和大多数全波形反演的实现(即使用潜水波)。这里的输出(即你要解决的问题)是一个速度模型,它可以在已知的波传播物理条件下,同时最好地解释所有的时滞数据。
“波形反演”是包括所有偏移后反射地震反演问题的类别,其中输入是单个迹线或偏移集(所有输入反射的常量X,Y)。其中的输出是垂直变化的弹性特性(声阻抗,vp/vs,密度等),可以最好地解释观察到的地震轨迹/集合(即波形),考虑到地震反射的物理特性。这通常被称为“振幅反演”,因为振幅是这里的主要输入之一(尽管也涉及相位和频率)。
“混合反演”是Yilmaz所说的最近的方法,这种方法试图同时使用地震时滞和振幅/波形来求解同时解释这两种观测的最佳弹性特性模型。他在那篇论文中引用了一些最近的例子。我在这上面看到的第一个是Misra and Sacchi(2008)。问题是,事情变得高度非线性,因此需要全局优化技术,这要慢得多。
“联合反演”就是将不同类型的地球物理数据结合起来。例如,假设您正在尝试绘制盐丘的3D结构。你可以使用3D地震反射数据轻松地绘制盐丘的顶部,但由于盐下的成像问题,底部通常非常坚硬。重力数据只能给你整个三维结构的累积响应,所以很多盐丘形状可以给你相同的重力响应。但是,你可以使用地震数据来绘制盐的顶部,然后重力数据来约束底部,然后使用该模型重新迁移地震数据,你应该有一个好的盐的顶部和底部。类似地,你可以把这个问题作为一个联合逆问题,你正在寻找最佳的3D结构模型,同时正确地迁移地震数据,并解释重力响应。
希望这能有所帮助!