Kaggle赛题解析：Yale/UNC-CH 地球物理波形反演
仅用于站内搜索，没有排版格式，具体信息请跳转上方微信公众号内链接
赛题名称：Yale/UNC-CH-GeophysicalWaveformInversion
赛题类型：地球物理、深度学习
赛题任务：通过地震波形数据估计地下属性
https ://www.kaggle.com/competitions/waveform-inversion
地球内部隐藏着丰富的资源（如石油、天然气、矿产等）和潜在的地质灾害（如地震、火山活动等）。为了更好地开发资源和预防灾害，科学家需要对地球内部结构进行精确的成像。这就好比医生通过超声波或CT扫描来观察人体内部结构一样，地球物理学家需要通过各种技术手段来“看透”地球表面，获取地下信息。
当地震波在地下传播时，其传播路径和波形会受到地下介质的物理属性（如速度、密度等）的影响。通过测量地震波到达地面的波形，并将其与理论模型进行对比，可以反推出地下介质的属性。
为了克服现有方法的局限性，这场比赛鼓励参赛者结合物理知识和机器学习技术，开发出更高效、更准确的全波形反演模型。具体目标包括：
提高计算效率：利用机器学习的快速计算能力，减少反演时间。
增强鲁棒性：通过物理约束，提高模型在噪声数据和弱信号条件下的稳定性。
减少数据依赖：降低对大量标注数据的需求，提高模型的泛化能力。
以所有列和行的平均绝对误差（MeanAbsoluteError,MAE）来评估提交结果。
数据集包含地震波形记录及其对应的地下速度图。速度图描述了地震波在不同地下介质中传播的速度。理解这些结构对于区域资源勘探和地下表征等应用至关重要。比赛页面上仅包含部分训练数据集，参赛团队被鼓励使用完整的OpenFWI数据集。
比赛涉及三个数据集家族：Vel、Fault和Style，每个家族都包含地震数据及其对应的速度图。
地震数据（data/.npy或seis_.npy）：4维数组，形状为(batch_size,num_sources,time_steps,num_receivers)，代表随时间记录的波形。
速度图（model/.npy或vel_.npy）：3维数组，形状为(batch_size,height,width)，代表地下速度分布。
开始日期：2025年4月8日
参赛截止日期：2025年6月23日，参赛者必须在此日期之前接受比赛规则才能参赛。
团队合并截止日期：2025年6月23日，这是参赛者可以加入或合并团队的最后一天。
最终提交截止日期：2025年6月30日
