Cet article propose DispFormer, une nouvelle méthode d'estimation des profils de vitesse des ondes de cisaillement souterraines (Vs) par inversion des courbes de dispersion des ondes de surface. DispFormer utilise un réseau neuronal basé sur Transformer pour inverser les profils Vs à partir des phases des ondes de Rayleigh et des courbes de dispersion des groupes, abordant ainsi le coût de calcul, l'hétérogénéité et la sensibilité initiale du modèle des méthodes existantes. Chaque cycle est traité indépendamment, permettant ainsi l'utilisation de données de longueurs variables, et une stratégie d'apprentissage prenant en compte la sensibilité à la profondeur. Pré-entraîné sur des données synthétiques, DispFormer démontre des performances supérieures sur des données réelles grâce à des stratégies d'apprentissage à zéro et à quelques coups, obtenant des résidus de données inférieurs à ceux des méthodes existantes. Cela démontre le potentiel de l'apprentissage profond, qui intègre les informations physiques, pour les applications géophysiques.
