1.什么是全波形反演？

通过可控震源与接收器得到的反射信号所绘制出的地震数据推测地下真实结构的问题就称之为全波形反演。

2.关于反演和正演。

正演 (Forward modeling) 指的是根据地下介质的物性参数，运用物理方程和数值计算方法，模拟真实地震波传播过程并得到合成地震记录的过程。可以认为正演是反演的逆过程：即通过地层图模拟地震波形。

反演问题一般认为是多解的，即一个地震数据可能对应于多个速度模型。正演问题一般认为是单解的，即一个速度模型只能生成一个地震数据。

3.FWI的端到端深度学习解释。

用已知的“地震数据”和“速度模型”来训练一个[模型]；然后通过将新的”地震数据”喂入这个[模型]中，从而预测其“速度模型”，从而推测地下构造。

 

 上图为DL-FWI的主要过程

4.DL-FWI的基本发展和分类。

DL-FWI最主要的发展是从2018年开始，而2020左右是相关的重要架构产出的时代。最开始人们采用的手段主要是“严格端到端”和“空间信息的嵌入”两种手段。在网络设计中，大多是CNN的编-解码结构，但是这种设计可能会弱化一些物理意义和空间信息。

而嵌入的手段就强调在空间中提供重要的信息参与训练，这个过程中伴随着其他特征网络的维度控制，这个时候就会有DNN参与进来。嵌入特征有非常强的空间解释性，某些效果也是很出色的，但是目前嵌入有关论文的开源性很差。

5.地震数据是怎样的呢？

 

在位置A触发振动源，所有接收器都会陆续接收到波信号，这些信号可以绘制出炮面图A。

因此放S个炮就可以得到S个炮面图，我们将他们”捆”在一起，成为一个“S-通道的图集”。同时, 炮面图的宽度 = 接收器个数，高度 = 采样时长.

6.速度模型。

我们通常将地下结构称之为“速度模型”，因为这个图的每个像素点其实表示的是波在这个介质中传播的速度。因此它所表示的物理意义更接近于“速度值”的分布，只因这种分布与地表构造强相关，故我们可以通过这种“速度值”的分布来分析地层样貌。

7.道（trace）是什么？

道在计算机中的解释：地震图像中的任意一个纵向的向量，如果这个图像宽R，那么它最多就有R个道。如果这个图像高T，那么每个道的长度都是T，维度为 (T x 1)。道在物理意义上的解释：任意一个地震检波器在T时间内接受到的波形信号组，是一个时间序列数据。