文献

J-GLOBAL ID：201802263695540588   整理番号：18A0287143

象限賢明な制限されたメモリでの準Newton法に基づく事前モデル情報を用いたl_1正則化全波形インバージョン【Powered by NICT】

l₁-Regularized full-waveform inversion with prior model information based on orthant-wise limited memory quasi-Newton method

著者 (5件)： Dai Meng-Xue (Key Laboratory of Petroleum Resources Research, Institute of Geology and Geophysics, Chinese Academy of Sciences, Beijing 100029, China) ,  Dai Meng-Xue (University of Chinese Academy of Sciences, Beijing 100049, China) ,  Chen Jing-Bo (Key Laboratory of Petroleum Resources Research, Institute of Geology and Geophysics, Chinese Academy of Sciences, Beijing 100029, China) ,  Cao Jian (Key Laboratory of Petroleum Resources Research, Institute of Geology and Geophysics, Chinese Academy of Sciences, Beijing 100029, China) ,  Cao Jian (University of Chinese Academy of Sciences, Beijing 100049, China)
資料名： Journal of Applied Geophysics  (Journal of Applied Geophysics)
巻： 142  ページ： 49-57  発行年： 2017年 
JST資料番号： B0089B  ISSN： 0926-9851  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 完全波形インバージョン(FWI)はノイズと初期モデルに敏感な不良設定最適化問題である。問題の不良設定性を緩和するために,正則化技術は,通常,採用されている。l_1ノルムペナルティはコントラストとエッジを保存するロバストな正則化方法である。象限賢明な限られたメモリ準Newton(OWL QN)法は広く使用されている制限メモリBroyden-Fletcher-Goldfarb-Shanno(L BFGS)法を拡張したl_1正則化最適化問題へとLBFGSの効率を継承している。l_1正規化法の利点と音波検層と地質学的情報から得られた事前モデル情報をするために,本論文では,事前モデル情報を用いたl_1正則化FWIにおけるOWL QNアルゴリズムを実装した。数値実験は,この方法がインバージョン結果を改善するだけではなく,強い反雑音の能力があることを示した。Copyright 2018 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： *記憶装置 ,  正規化 ,  ロバスト性 ,  音波検層 ,  *擬似Newton法 ,  最適化問題 ,  *正則化 ,  コントラスト ,  雑音 ,  アルゴリズム ,  地質学
準シソーラス用語： 数値実験 , 【Automatic Indexing@JST】

著者キーワード (4件)： 完全波形インバージョン ,  象限賢明な ,  準Newton ,  事前モデル情報

分類 (2件)： 地震探査  (DE10030B) ,  電気探査・検層  (DE10040M)

タイトルに関連する用語 (5件)： 制限 ,  準Newton法 ,  モデル ,  正則化 ,  波形インバージョン