Seismic Acoustic Impedance Inversion Framework Based on Conditional Latent Generative Diffusion Model

要約

地震音響インピーダンスは、岩石学的識別と地下構造の解釈において重要な役割を果たします。
ただし、反転問題の本質的に不適切な性質のため、ポストスタックの地震データからのインピーダンスを直接推定することは非常に困難なままです。
最近、拡散モデルは、強力な事前の学習と生成能力のために、このような逆問題に対処する上で大きな可能性を示しています。
それにもかかわらず、ほとんどの既存の方法はピクセルドメインで動作し、複数の反復が必要であり、フィールドデータへの適用性を制限します。
これらの制限を軽減するために、潜在的な潜在的な生成拡散モデルに基づいて、潜在的な潜在的な生成拡散モデルに基づいて、新しい地震音響インピーダンス反転フレームワークを提案します。
条件付き入力を埋め込むときに追加のトレーニングオーバーヘッドの導入を避けるために、軽量ウェーブレットベースのモジュールをフレームワークに設計して、地震データをプロジェクトし、インピーダンスでトレーニングされたエンコーダを再利用して、低頻度のインピーダンスを潜在空間に埋め込みます。
さらに、このフレームワークの反転プロセス中にモデル駆動型サンプリング戦略を提案して、精度を高め、必要な拡散ステップの数を減らすことを提案します。
合成モデルの数値実験は、提案された方法が、いくつかの拡散ステップのみで高い反転精度と強力な一般化能力を達成することを示しています。
さらに、フィールドデータへの適用により、地質学的な詳細が強化され、井戸の測定とのより高い一貫性が明らかになり、提案されたアプローチの有効性と実用性が検証されます。

要約(オリジナル)

Seismic acoustic impedance plays a crucial role in lithological identification and subsurface structure interpretation. However, due to the inherently ill-posed nature of the inversion problem, directly estimating impedance from post-stack seismic data remains highly challenging. Recently, diffusion models have shown great potential in addressing such inverse problems due to their strong prior learning and generative capabilities. Nevertheless, most existing methods operate in the pixel domain and require multiple iterations, limiting their applicability to field data. To alleviate these limitations, we propose a novel seismic acoustic impedance inversion framework based on a conditional latent generative diffusion model, where the inversion process is made in latent space. To avoid introducing additional training overhead when embedding conditional inputs, we design a lightweight wavelet-based module into the framework to project seismic data and reuse an encoder trained on impedance to embed low-frequency impedance into the latent space. Furthermore, we propose a model-driven sampling strategy during the inversion process of this framework to enhance accuracy and reduce the number of required diffusion steps. Numerical experiments on a synthetic model demonstrate that the proposed method achieves high inversion accuracy and strong generalization capability within only a few diffusion steps. Moreover, application to field data reveals enhanced geological detail and higher consistency with well-log measurements, validating the effectiveness and practicality of the proposed approach.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google