Оптимизация тренировочной выборки для NDM-net, подавляющей численную дисперсию в волновых полях

Аннотация: Работа посвящена построению репрезентативной выборки для обучения нейронной сети NDM-net (Numerical Dispersion Mitigation Neural Network), которая подавляет численную дисперсию в рассчитанных сейсмограммах с использованием грубой сетки для ускорения моделирования волновых полей. Обучающая выборка формируется при использовании линейной комбинации трёх метрик: физическое расстояние между положениями источников, расстояние между сейсмограммами и расстояние между скоростными моделями, которые используются при моделировании сейсмограмм. Глобальный анализ чувствительности позволяет оценить веса линейной комбинации. Согласно представленному статистическому анализу, наиболее влияющим параметром на выходную ошибку нейронной сети оказалось расстояние между положениями источников. Показаны результаты обучения на новой оптимизированной выборке и сравнение их с результатами обучения на других типах выборок.