Геофизические исследования: статья

Применение методов теории машинного обучения в томографии приёмных функций
И.М. Алёшин1,2
Е.Г. Козловская3
И.В. Малыгин1
1 Институт физики Земли им. О.Ю. Шмидта РАН, г. Москва, Россия
2 Геофизический центр РАН, г. Москва, Россия
3 Горная школа Технологического факультета Университета г. Оулу, Оулу, Финляндия
Журнал: Геофизические исследования
Том: 23
Номер: 1
Год: 2022
Страницы: 49-61
УДК: 550.8.05+004.85
DOI: 10.21455/gr2022.1-4
Ключевые слова: трёхмерный образ, приёмные функции, метод машинного обучения, метод ближайших соседей, Фенноскандия, постледниковое поднятие, приповерхностный слой низких скоростей S-волн
Аннотация: Описан метод построения трёхмерной цифровой сейсмической модели по совокупности од-номерных зависимостей упругих свойств среды от глубины. Такая задача возникает, на-пример, при интерпретации межскважинных измерений. Подобная проблема актуальна также при обработке данных пассивных сейсмических экспериментов, когда значительное количество сейсмических станций установлено компактно в пределах изучаемого региона. Если для обработки зарегистрированных на станциях удалённых землетрясений воспользоваться методом приёмных функций, то по записи на каждой из станций можно получить скоростной разрез – зависимость упругих свойств среды под станцией от глубины. Обычно полагают, что среда непосредственно под станцией однородна по латерали. В этом случае зависимость упругих параметров от вертикальной координаты можно параметризовать набором плоских слоёв. Представлен метод, который позволяет по набору таких моделей построить трёхмерный сейсмический образ изучаемого региона. Главная сложность решения этой задачи состоит в сильной анизотропии пространственного распределения входных данных. Расстояние между станциями в экспериментах такого рода определяется первой зоной Френеля телесейсмических фаз и составляет в среднем 50–100 км. В то же время, расстояние между значениями, заданными слоистой моделью, на порядок меньше. Показано, что проблему можно решить масштабным преобразованием горизонтальных координат. Для определения масштабного коэффициента были использованы методы, развитые в теории машинного обучения. Предлагаемый метод применим, если упругие параметры среды плавно меняются между станциями. Другими словами, между станциями отсутствуют субвертикальные разломы. В качестве иллюстрации была построена трёхмерная цифровая модель южной части Фенноскандии по данным европейского пассивного сейсмического эксперимента SVEKALAPKO. Полученный результат позволил выявить некоторые особенности строения верхней части коры в области контакта архейских и протерозойских пород, вызванных постледниковой релаксацией.
Список литературы: Алешин И.М., Ваганова Н.В., Косарев Г.Л., Малыгин И.В. Свойства коры Фенноскандии по результатам kNN-анализа инверсии приёмных функций // Геофизические исследования. 2019. Т. 20, № 4. С.25–39.

Винник Л.П. Сейсмология приёмных функций // Физика Земли. 2019. № 1. С.16–27.

Яновская Т. Б. К теории метода микросейсмического зондирования // Физика Земли. 2017. № 6. С.18–23.

Aleshin I.M., Malygin I.V. Machine learning approach to inter-well radio wave survey data imag-ing // Russian Journal of Earth Sciences. 2019. V. 19, N 3. P.ES30031–ES30036.

Bannister S., Bryan C.J., Bibby H.M. Shear wave velocity variation across the Taupo Volcanic Zone, New Zealand, from receiver function inversion // Geophysical Journal International. 2004. V. 159, N 1. P.291–310.

Bock G., Achauer U., Alinaghi A., Ansorge J., Bruneton M., Friederich W., Grad M., Guterch A., Hjelt S.-E., Hyvönen T., Ikonen J.-P., Kissling E., Komminaho K., Korja A., Heikkinen P., Kozlovskaya E., Nevsky M.V., Pavlenkova N., Pedersen H., Plomerová J., Raita T., Riznitchenko O.Yu., Roberts R.G., Sandoval S., Sanina I.A., Sharov N., Tiikkainen J., Volosov S.G., Wielandt E., Wylegalla K., Yliniemi J., Yurov Y. Seismic probing of Fennoscandian lithosphere // Eos, Transactions American Geophysical Union. 2001. V. 82, N 50. P.621–629.

Beller S., Monteiller V., Combe L., Operto S., Nolet G. On the sensitivity of teleseismic full-waveform inversion to earth parametrization, initial model and acquisition design // Geophysical Journal International. 2018. V. 212, N 2. P.1344–1368.

Chiu P-W., Naim A.M., Lewis K.E., Bloebaum C.L. The hyper-radial visualisation method for multi-attribute decision-making under uncertainty // International Journal of Product Development. 2009. V. 9, N 1-3. P.4–31.

Grad M., Luosto U. Fracturing of the crystalline uppermost crust beneath the SVEKA profile in Central Finland // Geophysica. 1992. V. 28, N 1-2. P.53.

Guo Zh., Chen Y.J., Ning J., Feng Y., Grand S.P., Niu F., Kawakatsu H., Tanaka S., Obayashi M., Ni J. High resolution 3-D crustal structure beneath NE China from joint inversion of ambient noise and receiver functions using NECESSArray data // Earth and Planetary Science Letters. 2015. V. 416. P.1–11.

Hastie T., Tibshirani R., Friedman J. The Elements of Statistical Learning: Data Mining, Inference, and Prediction. New York: Springer-Verlag, 2009. 746 p.

Kosarev G.L., Kind R., Sobolev S.V., Yuan X., Hanka W., Oreshin S.I. Seismic Evidence for a Detached Indian Lithospheric Mantle Beneath Tibet // Science. 1999. V. 283, N 5406. P.1306–1309.

Kozlovskaya E., Kosarev G.L., Aleshin I.M., Riznitchenko O.Yu., Sanina I.A. Structure and composition of the crust and upper mantle of the Archean-Proterozoic boundary in the Fennoscandian shield obtained by joint inversion of receiver function and surface wave phase velocity of recording of the SVEKALAPKO array // Geophysical Journal International. 2008. V. 175, N 1.

P.135–152.

Laske G., Masters G., Ma Zh., Pasyanos M. Update on CRUST1.0 – A 1-degree global model of Earth’s crust // Geophys. Res. Abstr. 2013. V. 15. P.2658.

Pedersen H., Campillo M. Depth dependance of Q beneath the Baltic Shield inferred from modeling of short period seismograms // Geophysical Research Letters. 1991. V. 18, N 9. P.1755–1758.

Ryberg T., Weber M. Receiver function arrays: a reflection seismic approach // Geophysical Journal International. 2000. V. 141, N 1. P.1–11.

Sibson R. A vector identity for the Dirichlet tessellation // Mathematical Proceedings of the Cambridge Philosophical Society. 1980. V. 87, N 1. P.151–155.

Sosa A., Thompson L., Velasco A.A., Romero R., Herrmann R.B. 3-D structure of the Rio Grande Rift from 1-D constrained joint inversion of receiver functions and surface wave dispersion // Earth and Planetary Science Letters. 2014. V. 402. P.127–137.

Thurber C., Ritsema J. Theory and Observations – Seismic Tomography and Inverse Methods // Treatise on Geophysics (Second Edition). 2015. V. 1. P.307–337. https://doi.org/10.1016/B978-0-444-53802-4.00009-9

Vinnik L.P., Deng Y., Kosarev G.L., Oreshin S.I., Zhang Zh., Makeyeva L.I. Sharpness of the 410-km discontinuity from the P410s and P2p410s seismic phases // Geophysical Journal International. 2020. V. 220, N 2. P.1208–1214.

Vinnik L.P., Reigber Ch., Aleshin I.M., Kosarev G.L., Kaban M.K., Oreshin S.I., Roecker S. Re-ceiver function tomography of the central Tien Shan // Earth and Planetary Science Letters. 2004. V. 225, N 1-2. P.131–146.

Virieux J., Operto S. An overview of full-waveform inversion in exploration geophysics // Geophysics. 2009. V. 74, N 6. P.WCC1–WCC26. DOI: 10.1190/1.3238367

Wang X., Wei S., Wang Y., Maung Maung P., Hubbard J., Banerjee P., Huang B.-S., Kyaw M.O., Bodin T., Foster A., Almeida R. A 3-D Shear Wave Velocity Model for Myanmar Region // Journal of Geophysical Research: Solid Earth. 2019. V. 124, N 1. P.504–526.

Ward K.M., Zandt G., Beck S.L., Douglas H.C., McFarlin H. Heather Seismic imaging of the magmatic underpinnings beneath the Altiplano-Puna volcanic complex from the joint inversion of surface wave dispersion and receiver functions // Earth and Planetary Science Letters. 2014. V. 404. P.43–53.

Yoo H.J., Herrmann R.B., Cho K.H., Lee K. Imaging the Three-Dimensional Crust of the Korean Peninsula by Joint Inversion of Surface-Wave Dispersion and Teleseismic Receiver Functions // Bulletin of the Seismological Society of America. 2007. V. 97, N 3. P.1002–1011.