Seismic first arrival traveltime inversion harnessing physics informed neural networks

---

Tezin Türü: Yüksek Lisans

Tezin Yürütüldüğü Kurum: Orta Doğu Teknik Üniversitesi, Uygulamalı Matematik Enstitüsü, Bilimsel Hesaplama Anabilim Dalı, Türkiye

Tezin Onay Tarihi: 2022

Tezin Dili: İngilizce

Öğrenci: İSA EREN YILDIRIM

Danışman: ÖMÜR UĞUR

Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu

Özet:

Sismik araştırmada, yeraltının yapısal ve litolojik bileşimini ortaya çıkarmak için büyük miktarda veri toplanır ve işlenir. Bu prosedürdeki kilit adım, hız modeli oluşturmadır. İlk varış seyahat zamanının tersine çevrilmesi, sismik keşifte yüzeye yakın hız yapılarını tahmin etmek için yaygın olarak kullanılan hız modeli oluşturma araçlarından biridir. Geleneksel olarak, tersine çevirme, ışın tabanlı yöntemler veya gradyan tabanlı algoritmalar kullanılarak gerçekleştirilir. Gradyan tabanlı algoritmalar, model parametrelerini ışın izleme gerektirmeden güncellemek için gereken gradyanı bulsa da, hesaplama açısından zorlayıcı olabilir. Öte yandan, sağlamlığına ve verimliliğine rağmen ışın tabanlı yöntemler, ışın teorisi yüksek frekanslı yaklaşıma dayandığından karmaşık bölgelerden muzdariptir. Bu yaklaşımları bir seyahat zamanı tersine çevirme problemi için kullanmak yerine, yüzeye yakın yeraltı hızlarını tahmin etmek için eikonal denklem tarafından temsil edilen matematiksel modelden yararlanan fizik bilgili sinir ağlarından özellikle yararlanan makine öğrenimi tabanlı bir yaklaşım öneriyoruz. Sentetik testler ve gerçek verilerin uygulanması yoluyla, geleneksel tomografi çerçevelerine potansiyel bir alternatif araç olabilecek fizik bilgili makine öğrenimi tabanlı seyahat zamanı tersine çevirmenin güvenilirliğini gösteriyoruz.