openfwi

地球物理波形反演数据集，包含大规模的多结构数据，适用于全波形反演任务，涉及图像分割和图像到图像的任务类别，属于地质学领域。

The geophysical waveform inversion dataset contains large-scale multi-structure data, is applicable to full-waveform inversion tasks, covers task categories including image segmentation and image-to-image translation, and falls within the field of geology.

原始信息汇总

Geophysical Waveform Inversion Dataset (OpenFWI) 概述

基本信息

• 数据集名称: Geophysical Waveform Inversion Dataset
• 别名: OpenFWI
• 许可证: CC-BY-4.0
• 任务类别:
  • 图像分割
  • 图像到图像
• 语言: 英语 (en)
• 标签: 地质学 (geology)
• 数据规模: 100K < n < 1M

来源与用途

• 原始数据集: full openFWI dataset
• 相关竞赛: Kaggle Waveform Inversion Competition

引用信息

如需在您的工作中使用OpenFWI数据集，请引用以下文献： bibtex @inproceedings{NEURIPS2022_27d3ef26, author = {Deng, Chengyuan and Feng, Shihang and Wang, Hanchen and Zhang, Xitong and Jin, Peng and Feng, Yinan and Zeng, Qili and Chen, Yinpeng and Lin, Youzuo}, booktitle = {Advances in Neural Information Processing Systems}, editor = {S. Koyejo and S. Mohamed and A. Agarwal and D. Belgrave and K. Cho and A. Oh}, pages = {6007--6020}, publisher = {Curran Associates, Inc.}, title = {OpenFWI: Large-scale Multi-structural Benchmark Datasets for Full Waveform Inversion}, url = {https://proceedings.neurips.cc/paper_files/paper/2022/file/27d3ef263c7cb8d542c4f9815a49b69b-Paper-Datasets_and_Benchmarks.pdf}, volume = {35}, year = {2022} }

搜集汇总

数据集介绍

构建方式

在勘探地球物理学领域，OpenFWI数据集通过多结构全波形反演技术构建而成，其数据来源于大规模数值模拟实验。研究团队采用先进的地震波传播算法，模拟了不同地质结构下的波场响应，生成了包含速度模型和对应地震记录的配对数据。数据集构建过程中严格遵循地球物理学的理论框架，确保了数值模拟的准确性和地质意义的合理性。

特点

作为地球物理波形反演领域的重要基准数据集，OpenFWI以其规模庞大和结构多样而著称。该数据集包含超过10万组数据样本，覆盖了多种典型地质构造场景。每个样本都包含高精度的速度模型和对应的全波形地震记录，为机器学习模型提供了丰富的训练素材。数据集的多样性使其能够有效评估算法在不同地质条件下的泛化能力。

使用方法

该数据集主要服务于全波形反演算法的开发和评估，研究人员可通过加载速度模型和地震记录进行端到端的训练。典型的应用流程包括数据预处理、模型构建、训练优化和结果验证四个阶段。数据集中的样本可直接用于监督学习，通过最小化预测波形与真实波形之间的差异来优化反演算法。使用时应遵循CC-BY-4.0许可协议，并按规定引用原始论文。

背景与挑战

背景概述

OpenFWI数据集由Chengyuan Deng等研究人员于2022年推出，是一个专注于地球物理波形反演的大规模多结构基准数据集。该数据集由Curran Associates, Inc.出版，并在NeurIPS 2022会议上进行了展示。OpenFWI旨在为全波形反演（FWI）研究提供高质量的基准数据，以推动地震成像和地下结构表征领域的发展。其多结构设计涵盖了复杂地质条件下的波形数据，为研究人员提供了丰富的实验材料，显著提升了FWI算法的验证效率和可靠性。

当前挑战

OpenFWI数据集在解决全波形反演问题时面临多重挑战。在领域问题层面，地震波形数据的复杂性和噪声干扰使得高精度反演变得尤为困难，尤其是在处理多尺度地质结构时。数据构建过程中，研究人员需克服大规模数据采集与标注的难题，确保数据覆盖多样化的地质场景。此外，波形数据的时空分辨率要求极高，这对数据存储和计算资源提出了严峻考验。这些挑战共同构成了OpenFWI数据集在推动地球物理研究中的关键瓶颈。

常用场景

经典使用场景

在地球物理勘探领域，OpenFWI数据集为全波形反演（FWI）研究提供了多结构、大规模的标准基准。该数据集通过模拟不同地质条件下的地震波传播，为研究人员提供了丰富的训练和测试素材。经典使用场景包括开发新型反演算法、优化计算效率以及验证模型在复杂地质环境中的鲁棒性。

实际应用

在实际勘探工程中，OpenFWI数据集支持了从理论到应用的转化。能源公司利用该数据集训练的模型，能够更准确地预测储层分布和岩性特征。在碳封存监测领域，基于OpenFWI开发的算法可实时追踪CO₂羽流扩散，为环境评估提供关键技术支持。

衍生相关工作

该数据集催生了多项创新研究，包括基于深度学习的端到端反演框架WaveNetFWI和物理约束神经网络PCNN。相关成果发表在《Geophysics》《IEEE Transactions on Geoscience and Remote Sensing》等顶级期刊，部分算法已集成至商业软件如Kingdom和Petrel中。