पूर्ण-तरंग अनुक्रमित भूकंपीय डेटा का समानांतर बहु-आवृत्ति उलटाव

अवधारणा हम भूकंपीय डेटा व्याख्या के लिए एक समानांतर बहु-आवृत्ति उलटाव दृष्टिकोण प्रस्तुत करते हैं। यह एल्गोरिदम सभी आवृत्ति डेटा संघटकों को एक साथ उलटता है। एक डेटा-वजन स्कीम विभिन्न आवृत्ति डेटा संघटकों का योगदान संतुलित करती है ताकि उलटाव प्रक्रिया उच्च-आवृत्ति डेटा संघटकों द्वारा प्रभुत्व में न आ जाए, जो कई कलापों के साथ एक वेग छवि उत्पन्न करते हैं। एक गॉस-न्यूटन न्यूनतमकरण दृष्टिकोण उच्च सम्मिलन दर और सटीक पुनर्निर्माण वेग छवि प्राप्त करता है। एक संशोधित अनुरूप स्थानांतरण का परिचय देकर, हम जैकूबियन मैट्रिक्स को कुशलतापूर्वक गणना कर सकते हैं, जिससे पूरी तरह से मेल खाने वाली परतों (PMLs) में सामग्री गुणों को उलटाव प्रक्रिया के दौरान स्वचालित रूप से अपडेट किया जा सके। यह विशेषता उलटाव के सही व्यवहार को सुनिश्चित करती है और यह संकेत देती है कि एल्गोरिदम यथार्थ अनुप्रयोगों के लिए उपयुक्त है जहाँ पृष्ठभूमि माध्यम की पूर्व सूचना उपलब्ध नहीं है। इस एल्गोरिदम में दो अलग-अलग नियमितकरण योजनाएँ, L2-नॉर्म और एक भारित L2-नॉर्म फ़ंक्शन, क्रमशः चिकने प्रोफाइल और तेज सीमाओं वाले प्रोफाइल के लिए उपयोग की जाती हैं। नियमितकरण पैराजक स्वचालित और अनुकूली रूप से निर्धारित किया जाता है जिसे गुणात्मक नियमितकरण तकनीक कहा जाता है। एल्गोरिदम का परीक्षण करने के लिए, हम व्युत्कृ्त डेटा का उपयोग करके मार्मौसी वेग मॉडल को फिर से बनाने के लिए उलटाव को लागू करते हैं जो सीमित-भिन्नता समय-क्षेत्र कोड द्वारा उत्पन्न किया गया है। इन संख्यात्मक अनुकरण परिणामों से संकेत मिलता है कि यह उलटाव एल्गोरिदम प्रारंभिक मॉडल और शोर दमन के संदर्भ में मजबूती है। कुछ परिस्थितियों में, यह पारंपरिक अनुक्रमिक उलटाव दृष्टिकोण की तुलना में अधिक मजबूत है।