3篇
您的检索式：作者名="A.Tarantola"
|
|
|
题名
|
作者
|
年代
|
出处
|
被引量
|
| 1 | 地震复发模型:弹性波辐射、摩擦松弛和非均匀性的作用显示文摘我们建立了一个地震活动性的动力学模型,其中断层被埋藏在无限、连续的弹性介质中。因此,该模型充分考虑了地震波辐射所耗散的能量对模型地震序列进程的影响。在这个模型中,破裂时的摩擦降逐渐发生,这样便引入一个松弛尺度。作为一个例子,我们考虑一个有限均匀断层,其端部由无限强障碍体限定,从不可破裂的障碍体反射来的应力控制了地震活动性特征。地震活动性图象强烈地依赖于松弛尺度和端部障碍体之间的距离之比值。当这个参数很大时,我们发现在一个短暂的时间间隔后即出现周期性,相应于从一头到另一头的贯穿断层的大地震控制了统计分布特征。当这个参数很小时,小尺度地震活动分布在大地震之间,在我们所涉及的计算时间内未看到周期性。我们的结论是在地震活动的动力学过程模型中,像障碍体(我们假设它在自然界由于断层的不均匀几何结构而形成)之类的不可克服的非均匀体,不但在引起地震活动的复杂进程方面,而且在产生单个地震震源时间函数的复杂特征方面都是极为重要的因素。 | S.Nielsen L.Knopoff A.Tarantola 李瑞芬 | 1996 | 世界地震译丛1996，27，5： | 0 |
| 2 | 地震波形的非线性反演可用时间外推法或深度外推法进行显示文摘地震图的非线性反演的传统目的是获取地球模型,对于初始条件为零和给定震源,该模型能最好地预测观测地震图。最近用迭代法解决了这一问题:每次迭代就是对当前介质中的实际震源的波动方程求解;对以当前残差为震源的反向时间波动方程求解;在空间的每个点上将由此得到的两个波场求相关。我们的反演目的较全面:要获得整套的地球模型、初始条件、震源函数和预测地震图。它们最接近某些先验值并且是通过波动方程相互联系起来的。不仅能证实以前的方法,而且还使我们能以不同的方法解相同的反演问题:对于绐定的震源和实测地面位移,现在研究的是计算的和先验的初始条件间的最佳拟合是什么?这将导致完全不同的迭代法,每次迭代包括给定地面位移和牵引力的向下外推,直到一个给定的深度(底部)。将前面的场的起始时间条件作为震源,把底部的零位移和牵引力向上外推,并且在空间的每个点上求解将由此获得的两个波场的相关。除了该结果的理论意义之外,它开拓了解反演问题的数值法的途径。如果使用正向和反向时间传播的非线性反演有效的话,那么由于在深度外推中可能使用的某些手段(逐频计算(Calculation frequency byfrequency),底层以前的顶层的反演),使用向下-向上外推的这种非线性反演将给出相同的结果并且更为经济。 | A.Tarantola G.Jobert 刘瑞文 | 1989 | 地球物理学进展1989，，4： | 0 |
| 3 | 神经网络及地震数据反演显示文摘神经网络可以看成是空间映射的应用,即输入空间到输出空间的映射。为了模拟设想的映射关系,网络必须通过反复改变内部参数的学习过程,通过很多输入模型和与它们相应的输出模型的展示过程来实现。如果在训练组中所有样本的期望输出和计算输出之间的误差达到最小,也就完成了训练过程。这时,网络就可以模拟训练样本的限制范围内合乎需要的映射关系。这里,我们描述一个实验,其中,神经网络的设计以接受人工爆破选排(即从单个源得到的一套地震图)作为输入,计算出相应的一维大尺度速度模型作为输出。地表下岩石层模型由在均匀半空间之上的8个固定地层厚度的地层组成,训练此网络用了450个样本。训练过后,虽然神经网络计算不出与期望输出的地表下岩石层模型完全一致的地层模型,但神经网络的近似模型足可以作为进一步进行地震成象算法的起算模型。对于不包括训练样本集的新的地震,训练后的网络计算得到的速度剖面80%令人满意。虽然以掺有白噪声的输入网络输出结果是稳定的(不变),但对于强噪声,也就是相关噪声,网络是不稳定的。这项应用表明:神经网络可以解决重要的反演问题。 | G.R th A.Tarantola 万永革 | 1995 | 世界地震译丛1995，26，2： | 0 |
您所在的机构暂未开通此部分的功能，请联系管理员