基于截断牛顿法的频率域全波形反演方法

摘要 全波形反演方法可以视为大型非线性最小化问题。其中Hessian算子对反演结果有着重要的影响，传统的优化方法只能近似地表示Hessian算子，反演精度较低，收敛速度较慢，且对于反演目标照明不足的深部区域，往往出现参数无法聚焦的情况。而一种新的优化方法截断牛顿法，通过计算Hessian矩阵与已知向量乘积的形式，能够获得更精确的Hessian算子信息，从而解决以上问题。本文基于截断牛顿法在频率域实现全波形反演，通过模型试算表明，截断牛顿法相对于有限内存BFGS（Limited-memory Broyden-Fletcher-Goldfarb-Shanno，L-BFGS）法，能够得到更精确的反演结果，同时能提高收敛速度，尤其对于照明不足的深部区域，截断牛顿法有更明显的优势