Оптимизация тренировочного набора данных для подавляющей численную дисперсию нейронной сети NDM-net

Предлагается оригинальный способ построения обучающего набора данных для нейронной сети NDM-net (Numerical Dispersion Mitigation neural network), подавляющей численную дисперсию при моделировании сейсмических волновых полей. NDM-net обучается отображать вычисленное на грубой сетке решение системы уравнений динамической теории упругости в рассчитанное на мелкой сетке. Данные сейсмограмм для обучения NDM-net предварительно рассчитываются на мелкой сетке, что является трудоемкой процедурой. Для снижения вычислительных затрат алгоритма время обучения необходимо сокращать без потери точности. В качестве эффективной метрики для генерации обучающего набора данных рассматривается линейная комбинация трех метрик: расстояния между источниками, меры сходства сейсмограмм и меры сходства скоростных моделей. Коэффициенты линейной комбинации определяются с помощью глобального анализа чувствительности.