基于迁移学习的全波形反演的海底埋藏目标声学探测

《Scientific Reports》：Acoustic detection of underwater buried targets based on transfer-learning-based full waveform inversion

　　

摘要

常规全波形反演（CFWI）容易陷入局部极小值，导致反演结果较差。本研究将基于迁移学习的全波形反演（TFWI）工作流应用于水下埋藏目标的浅层、小尺度声学探测。TFWI 分别使用 49,100 个样本进行预训练和 9,110 个样本进行微调，并在三种典型结构上对 TFWI 的泛化能力进行了研究。最后，基于数值模拟和现场试验数据，采用三种迭代方案对 CFWI 和 TFWI 的反演性能进行了对比。结果表明，与 CFWI 相比，TFWI 的平均计算时间、旁瓣能量比（SER）和最大旁瓣幅值（MSA）均有所降低。消融实验分析表明，迁移学习是 TFWI 性能提升的主导因素。TFWI 展现出潜在的优勢，为水下埋藏目标的声学探测研究提供了一种有效的方法。