OpenFWI

OpenFWI是一个大规模的多结构基准数据集集合，用于促进地震全波形反演的多样化、严格和可重复研究。它包括12个数据集（总计2.1TB），合成自多个来源，涵盖了地球物理学的多个领域（如界面、断层、二氧化碳储层等），覆盖了不同的地质地下结构（如平面、曲线等），并包含不同数量的数据样本（2K - 67K）。此外，还包括一个用于3D全波形反演的数据集。

OpenFWI is a large-scale multi-structure benchmark dataset collection designed to facilitate diverse, rigorous and reproducible research on seismic full-waveform inversion. It consists of 12 datasets with a total size of 2.1 TB, synthesized from multiple sources. These datasets cover multiple subfields of geophysics such as interfaces, faults, carbon dioxide reservoirs and more, encompass diverse geological subsurface structures including planar, curved ones, and contain varying numbers of data samples ranging from 2K to 67K. Additionally, it includes a dataset dedicated to 3D seismic full-waveform inversion.

搜集汇总

数据集介绍

构建方式

OPENFWI 数据集由 12 个数据集组成，总大小为 2.1TB，由多个来源合成。数据集涵盖了地球物理学的多个领域（界面、断层、CO2 储层等），覆盖了不同的地质地下结构（平坦、曲线等），并包含不同数量的数据样本（2K -67K）。此外，还包括一个用于 3D FWI 的数据集。数据集的构建过程包括从不同的先验信息（数学表示、自然图像和地质储层）合成速度图，然后通过正演模拟生成地震数据。

使用方法

OPENFWI 数据集的使用方法包括：1. 数据准备：将速度图和地震数据加载到 Python 环境中。2. 数据预处理：对速度图和地震数据进行归一化处理。3. 模型训练：使用 InversionNet、VelocityGAN 或 UPFWI 等深度学习模型对数据进行训练。4. 模型评估：使用平均绝对误差（MAE）、均方根误差（RMSE）和结构相似性（SSIM）等指标评估模型的性能。5. 应用：将训练好的模型应用于实际的地震数据，以重建地下速度结构。

背景与挑战

背景概述

OPENFWI 数据集由洛斯阿拉莫斯国家实验室等机构于 2023 年创建，旨在为地球物理学界提供大规模的多结构基准数据集，以促进全波形反演（FWI）研究。该数据集包含 12 个数据集，总大小为 2.1TB，涵盖了地球物理学的多个领域（如界面、断层、CO2 储层等），涵盖了不同的地下结构（如平坦、弯曲等），并包含各种数量的数据样本（2K - 67K）。此外，它还包括一个用于 3D FWI 的数据集。该数据集的创建为地球物理学界提供了宝贵的资源，有助于推动数据驱动 FWI 方法的发展和应用。

当前挑战

OPENFWI 数据集面临着一些挑战。首先，现有方法在处理复杂速度图时表现不佳，需要更先进的算法来应对更复杂的地下结构。其次，数据驱动方法的泛化能力不足，难以应对实际应用中与训练数据不同的数据。第三，UPFWI 和 InversionNet3D 等方法的计算成本较高，限制了其潜在的应用。最后，被动地震成像问题也需要进一步研究和开发。OPENFWI 数据集为解决这些挑战提供了宝贵的资源，并有望推动 FWI 和科学人工智能的进一步发展。

常用场景

经典使用场景

OpenFWI 数据集主要用于地球物理领域，特别是全波形反演（FWI）研究。FWI 是一种从地震数据重建高分辨率速度图的方法，在碳封存、储层识别、地下能源勘探、地震预警等领域具有重要意义。OpenFWI 数据集包含了多种地质结构（如界面、断层、二氧化碳储层等）的地震数据和速度图，可以用于训练和评估 FWI 算法，促进 FWI 研究的多样化和可重复性。

解决学术问题

OpenFWI 数据集解决了地球物理领域 FWI 研究中缺乏大规模公开数据集的问题。现有的地震数据集大多未公开，难以进行公平比较。OpenFWI 数据集涵盖了多种地质结构，覆盖了不同的地下结构（平坦、弯曲等），并包含各种数量的数据样本（2K -67K），为 FWI 研究提供了丰富的数据资源。

实际应用

OpenFWI 数据集在实际应用中具有广泛的应用前景。例如，可以用于训练 FWI 算法，以提高地震数据处理和解释的精度和效率。此外，OpenFWI 数据集还可以用于地震预警系统，帮助预测地震的发生和强度，从而减少地震灾害带来的损失。

数据集最近研究

最新研究方向

OpenFWI数据集为全波形反演（FWI）领域提供了大规模、多结构的基准数据集，以促进FWI研究的多样化、严格性和可重复性。该数据集涵盖了地质物理学的多个领域，包括界面、断层、CO2储层等，并包含不同地质结构的子数据集。此外，OpenFWI还包括用于3D FWI的数据集，以及使用四种深度学习方法进行的基准测试。这些研究为FWI和人工智能在科学领域的未来研究方向提供了宝贵的见解，并揭示了现有方法的局限性。未来的挑战包括对复杂速度图的逆演、数据驱动方法的泛化、计算效率以及被动地震成像。OpenFWI有望支持FWI领域的研究，并激发未来人工智能在科学领域的开源努力。

相关研究论文

• OpenFWI: Large-Scale Multi-Structural Benchmark Datasets for Seismic Full Waveform Inversion

  · 2023年