声明：本博客中的公式均是在Word中使用AxMath写好后截图使用的，欢迎引用，但请标注来源。 本系列会有四篇博客： 第一篇内容： 1、基础知识掌握 2、Maxwell方法差分求解原理 第二篇内容： 1、基于C++的TE波波动方程实现 2、边界问题的产生及处理 第三篇内容： 1、基于实际操作流程的GPR正演模拟 2、简单并行化加速GPR正演模拟 第四篇内容： 1、

grace数据处理 - 泄露误差改正 -正演建模法（Forward-Modeling） *0* 引言*1* Matlab代码实现 0 引言   正演建模法最早是由Chen等提出的，本质是通过迭代的思想反求真实信号的过程，为什么要反求呢？因为在数据处理过程中做了球谐截断和空间滤波，使部分有用信号被湮灭，也就是有信号泄露了，那迭代解即为恢复的结果。其具体流程如下：

8.3更新部分我将用蓝色字体表示. 0 上周回顾 上周简单阅读了论文《Deep-Learning Full-Waveform Inversion Using Seismic Migration Images》, 但是并没读完…因为这篇论文中提到一个技术吸引了注意力: RTM (Reverse-time migration) 于是计划下周去专门熟悉熟悉RTM的机制, 并且试着用Python复现这

依据的拟声波公式如下： du/dt=1/rho*dp/dx , dw/dt=1/rho*dq/dz , dp/dt=rho*vpx^2*du/dx+rho*vp*vpn*dw/dz ,dq/dt=rho*vp*vpn*du/dx+rho*vp^2*dw/dz ,vpx^2=vp^2*(1+2*epsilon);vpn^2=vp^2*(1+2*delta);还是直接上程序：