基于改进PDHG算法的波场重构反演OA

全波形反演(full waveform inversion,FWI)可实现高分辨率的地震资料成像,但其反演过程易陷入局部极小值。作为FWI的改进方法,波场重构反演(wavefield reconstruction inversion,WRI)能够有效促进模型的准确更新。然而,传统WRI在求解正则化项时通常采用原始对偶混合梯度(primal-dual hybrid gradient,PDHG)算法,计算成本高,收敛速度较慢,且复杂模型下无法稳定收敛。为此,提出了一种自适应随机原始对偶混合梯度(adaptive-stochastic PDHG,A-SPDHG)算法,通过引入随机子集更新和自适应步长平衡策略,有效降低了计算开销,并提高了算法的收敛速度和稳定性。对Marmousi模型和盐丘模型的实验结果表明,在噪声干扰、低频缺失及非准确初始模型条件下,基于A-SPDHG的WRI能以更短的迭代时间获得更为精确的反演结果。