三维密度界面的正反演研究和应用

重力位场的界面反演是位场处理解释中的重要问题.本文将基于快速傅里叶变换的频率域界面反演方法Parker-Oldenburg公式推广到物性可随深度变化的三维情况,得出了密度可以横向、纵向任意变化的重力界面正反演公式.该方法在计算时可以合理地选取地面下某一深度作为基准面以减小界面起伏,使迭代易于收敛.理论模型试验表明该方法反演精度高,收敛速度快,在密度界面反演中具有广泛的实用价值.最后利用该方法反演华北地区莫霍面的深度,反演结果得到了地震测深数据的验证.     

基于总水平导数改进的密度界面快速反演方法

直接迭代法是利用重力异常反演密度界面的一种重要方法,对迭代公式分析的结果表明,可在反演公式中添加加速收敛因子以减少反演的迭代次数从而提高效率.对于平缓的密度界面采用较小的加速收敛因子、而对起伏较大的界面采用较大的加速收敛因子可有效减少反演迭代次数.为此,本文利用重力异常总水平导数判断待反演界面起伏平缓和起伏较大的区域,并以此为基础,将总水平导数计算结果归一化至1.4～2.2之间而形成全区变化的加速收敛因子.假设待反演密度界面上下的密度差沿横向变化,将加速收敛因子加入迭代公式中形成最终的反演迭代公式.模型试算结果证实了本文方法可有效减少直接迭代法的迭代次数,并且也适用于含噪重力数据反演.最后将该方法用于渭河盆地西安凹陷的实际资料处理之中,反演结果证实了该方法的实用性.     

基于深度学习U-net网络的重力数据界面反演方法

重力数据的密度界面反演是位场数据解释中的一项主要工作,在区域构造演化、深部莫霍面确定等领域的研究中发挥重要作用.近年来,数据驱动的深度学习方法广泛地应用在地球物理数据处理与反演中,本文提出一种基于深度学习U-net网络的重力数据密度界面反演方法.首先,对半椭球体界面模型进行随机抽取和组合进而形成地下起伏界面数据集,并基于Parker正演理论对界面数据集进行重力异常正演计算,为深度学习网络模型的训练提供特征完备的数据源;其次,设计了基于U-net网络模型的深度学习界面反演算法,在传统的损失函数基础上增加光滑损失项和过拟合抑制项,提高重力界面反演结果的光滑性和收敛效率;最后通过测试样本集进行反演预测,验证建立深度学习网络模型的泛化性.本文通过理论模型和实际数据试验分析了本文方法在密度界面反演中的有效性和实用性,基于改进损失函数约束的深度学习界面反演方法有效地提高了密度界面反演的收敛效率和计算稳定性.     

三维物性分布的位场计算

本文在连续层状模型的基础上,将Parker位场公式推广到更具一般性的两种三维物性分布模型中。此时岩石的密度ρ和磁化强度J不仅在水平方向上可以任意变化,而且在深度上可依指数或线性函数形式变化。新的位场公式仍具有严密而简明的特点。结合圣安德烈斯断层带的重力反演,介绍了它的应用、模型分解和双界面同时反演的技术。     

重力密度界面反演方法研究进展

重力位场的界面反演是位场处理解释中的重要问题.本文针对重力密度界面的反演问题,较全面的介绍了一些有代表性的方法,包括空间域反演方法和频率域反演方法.重点阐述了当前占主流的频率域中的Parker-Oldenburg迭代方法,在此基础上讨论了重力密度界面反演目前存在的问题和以后的发展方向.     

基于变密度模型的位场界面反演

在波数域中用重力反演莫霍面深度时通常假定壳幔密度差为一常数,但这只是一种近似的密度模型,本文采用了密度随深度呈指数变化的变密度模型来反演莫霍面深度,给出了利用指数密度模型在波数域中计算重力异常的正演公式及界面深度的反演公式.利用指数密度模型及重力资料反演了青藏高原莫霍面的深度,分析了莫霍面的特征.结果表明,青藏高原莫霍面呈现出边缘浅、中部深的特点,边缘变化快、梯度大,中间变化梯度趋缓.中心地带的羌塘地体莫霍面深度达74 km,向四周慢慢变浅至67 km左右,边缘地区突然变浅至50km左右.通过常密度模型、变密度模型及地震反演得到的莫霍面的比较,证实变密度模型更适合于莫霍面结构的反演.     

利用重力资料反演三维密度界面的质面系数法

文中给出一深度为h的水平矩形质面在地面产生的重力公式,对比了此公式算出的重力异常与三维长方体公式算出的重力异常,得出:当三维地质体的厚度与其埋深之比小于0.2-0.4时,二者的重力效应几乎相等,它们之间最大偏差在1-3％以内。用给出的重力公式进一步导出了重力反演三维密度界面的质面系数法。用理想模式检验,结果表明,本文给出的方法收敛快,反演误差较小,计算效果较好。最后用一实例,验证了方法的适用性。     

深部大尺度单一密度界面重力异常迭代反演

对于深部大尺度单一密度界面的重力异常反演,需顾及球形观测面和重力铅垂线变化的影响。为此,本文通过球谐展开,得到重力异常的级数展开式,并推导出积分形式的反演迭代解。该迭代方法要求设法分离出单一密度界面的重力异常,已知界面上、下层的密度差和尽可能多的深度控制点。模型和实例显示其效果良好,可用于莫霍界面、岩石层底界面等深部密度界面重力异常的反演。     

补偿向下延拓方法研究及应用

位场向下延拓是重、磁处理和解释的常用方法,但其不稳定性限制了其在资料处理及反演中的应用.本文基于补偿圆滑滤波思想以及空间域向下延拓迭代法,通过逐次补偿的办法实现位场的稳定向下延拓.同时,在频率域空间给出了该下延方法的频率域响应因子,并讨论了其低通滤波特性,理论模型和实际位场资料试验表明该方法向下延拓稳定性具有较高的延拓精度.将其应用于重力密度界面反演中,改进反演的稳定性,实际莫霍界面反演表明下延因子具备实用性.     

用Schmidt-Lichtenstein逼近法进行重力数据的非线性反演

单一密度界面的重力非线性反演可以通过一个幂级数展开进行。这种方法是根据Schmidt-Lichtenstein逼近法来解非线性积分方程的。把重力的影响作为一个算子幂级数,展开非线性积分算子后,逆算子级数可以通过一种方法求出,这种方法形式上相当于标量幂级数的经典求逆方法。然而,与正向幂级数展开不同的是,逆级数的收敛只限于一个有截止频率特征的低频域,这个截止频率依赖于重力异常的幅度、密度差的大小和界而的平均深度。为保证反演方法的稳定性,必须要进行适当的低通滤波。利用该反演方法无需迭代的优点和快速傅里叶变换,该方法被成功地用来反演似剖面的模拟模型以及由东斯洛伐克外喀尔巴阡山脉的一个小沉积盆地引起的一个三维场的实例(Malcov重力异常)。     

基于Lp范数正则化的V字型密度界面重力反演

V字型密度界面是一类常见的密度界面,如海沟、半地堑以及俯冲带之下的莫霍面,利用重力数据刻画此类密度界面形态对于区域构造研究、油气勘探以及物理海洋学等都具有重要意义.本文首先建立了L_p-范数形式的模型约束函数,并利用正则化原理将其与重力数据误差函数和已知深度约束函数结合形成V字型密度界面反演的目标函数,推导了目标函数的梯度表达式,并以非线性共轭梯度法为核心给出了反演流程.二维简单模型试算结果表明p=5时该方法能准确地刻画V字型密度界面起伏特征,且亦能准确地应用于二维复杂密度界面和三维界面的反演.最后将反演方法应用于挑战者深渊及邻区的实际资料处理之中,利用研究区海底地形数据和沉积层厚度数据对自由空间重力异常逐层剥离而得到莫霍面引起的重力异常,用本文方法对此重力异常进行反演,结果呈现了板块俯冲作用引起的V字型莫霍面起伏特征.     

基于FFT-MA谱模拟的快速随机反演方法研究

虽然基于地质统计学的随机反演方法能够有效融合测井资料中的高频信息,但计算效率低,占用内存大,限制了它在实际资料中的应用.本文在保留传统随机反演方法优点的基础上,创造性地引入傅里叶滑动平均(Fast Fourier Transform-Moving Average,FFT-MA)谱模拟进行频率域的地质统计模拟,并利用逐步变形算法(Gradual Deformation Method,GDM)确保模拟结果与实际地震数据的匹配,构建了基于FFT-MA谱模拟的新的快速随机反演方法.与常规随机反演相比,新方法不仅分辨率高,而且能够使反演解得到快速收敛,有效提高计算效率,减少内存占用.模型试算获得了与理论模型吻合度较好的高分辨率反演结果.实际资料分析也表明新方法所得到的高分辨率反演结果能够对薄互储层进行良好的展示,为薄储层的识别提供高效可靠的技术支持.     

免疫粒子群优化在波阻抗反演中的应用

针对标准粒子群优化（PSO）算法易出现早熟而陷入局部最优以及进化后期收敛速度慢等缺陷,引入免疫系统的免疫记忆和抗体浓度选择机制,构造了基于免疫机制的粒子群优化（IPSO）算法,并将其应用到波阻抗反演问题中。免疫记忆能够保留高适应度个体,抗体浓度选择机制进一步保证了粒子的多样性,从而能较好地避免早熟收敛,提高算法的全局搜索能力。对理论模型试算表明,IPSO算法在进行波阻抗反演时不仅收敛速度快,而且具有较高的精确度和抗噪性能。     

多尺度快速匹配追踪多域联合地震反演方法

多尺度快速匹配追踪多域联合地震反演是一种通过地震数据多尺度分解的迭代反演方法.与此同时,在快速匹配追踪算法中引入低频模型约束,有效提高了收敛精度,使反演结果具有丰富的高低频信息.首先通过对大尺度地震资料进行反演得到低频背景.在此基础上,采用中尺度与小尺度地震数据进行逐级迭代用以获得高频数据,因而有效缓解了常规反演方法对于初始模型精度的依赖.最后利用理论模型与实际地震数据进行测试,通过与常规时间域反演方法的反演结果进行对比可以看出,本文方法在地层连续变化处依然可以对变化地层进行精确刻画,且在纵向分辨率提升的同时保持了较好的横向连续性.     

重力与地震资料的模拟退火约束联合反演

联合反演是综合地球物理研究的重要定量解释手段.本文在总结和分析重力与地震资料联合反演的研究现状基础上,利用改进的全局寻优的快速模拟退火算法,实现了重力和地震资料的约束同步联合反演.针对性地设计了密度和速度界面不完全一致的模型,理论模型的试验说明了方法的效果和适用性.结合最近完成的广东徐闻地区实际资料的处理和解释,表明该方法可准确确定复杂构造物性界面的密度和速度结构,在该地区的油气勘探中发挥了作用.在先验信息约束下,该联合反演方法要明显优于单独的重力反演.     

改进的约束变密度界面反演策略及其应用

计算密度分界面的起伏变化在区域地质构造研究和石油矿产资源勘探中具有重要意义.已有密度界面反演方法更多侧重约束变密度界面反演算法,而对约束信息的准确性、研究区横向密度变化往往考虑不足,影响了最终反演结果的可信度.本文在变密度界面正反演算法基础之上,结合实际需求,提出已知深度信息约束下的变密度界面反演策略.该策略主要包括变密度约束反演算法、已知深度约束信息校验和分区变密度模型三个方面.其中反演算法提供了带已知深度约束信息的密度界面迭代反演方法;约束信息校验用于评估约束信息精度,通过调差降低约束信息的系统误差;在反演过程中引入水平密度分区以应对不同构造背景密度界面模型,提高反演结果的可信度.最后将本策略应用于南海莫霍面深度反演计算中,结果显示借助已知约束信息,利用分区密度模型能够获得更为可信的深度反演结果,验证了该策略的正确性.     

密度和速度随机分布共网格模型的重力与地震联合反演

针对重力与地震联合反演存在的问题,结合已有的研究成果,本文研究实现了速度和密度随机分布共网格单元模型的建模技术,以适应密度和速度剧烈变化的复杂模型及联合反演的计算要求.重力正演利用了该网格的二度半体模型,并进一步改进了地震走时的二维射线追踪计算方法,以适用于速度随机分布的网格介质.结合改进的模拟退火算法,实现了这种共网格条件下的重力与地震资料的同步联合反演.模型试验证明了重力与地震联合反演可以准确确定复杂物性界面的密度和速度结构,适用于物性界面不完全一致和物性变化剧烈的复杂模型,并且联合反演结果要优于单独的重力反演.带先验信息约束下的实际资料的联合反演,进一步证明了该方法的适用性和效果,可提高反演精度并减少多解性.     

基于GPU混合反演的隧道电阻率超前探测成像研究

隧道施工期超前探测对于避免突涌水灾害的发生具有重要作用,为满足隧道三维电阻率超前探测快速化解译与成像的要求,本文提出了一种基于GPU并行的蚁群算法与最小二乘方法相结合的混合反演算法.该方法结合线性反演与非线性反演的优点,利用蚁群算法全局搜索能力强的优点为最小二乘反演提供较优的初始模型,以克服最小二乘算法容易陷入局部最优的缺点,提高了隧道三维电阻率反演成像的精度.同时,基于蚁群算法的天然并行性,提出了CUDA环境下的GPU并行策略,实现了三维电阻率反演的快速化成像.其次,开展了基于GPU混合反演的数值算例,与传统最小二乘线性反演进行了对比,基于GPU并行计算的混合反演计算效率得到了显著提高,对含水构造的位置、形态有较好的反映,压制了三维反演的多解性.最后开展了物理模型试验,结果表明基于GPU混合反演探测的低阻异常体与实际含水构造的位置较为相符,发现基于GPU加速的混合反演方法在提高探测精度与加快反演速度方面具有显著优势,为三维电阻率混合反演方法在隧道超前探测实际工程中的应用奠定了基础.     

双感应测井资料的快速近似迭代反演

本文给出一种双感应资料快速近似迭代反演技术. 首先建立Fréchet导数的快速算法,保证在反演过程中能够同时获得测井响应相对于地层电阻率和层界面的偏导数,并给出用规范化处理与奇异值分解技术进行迭代反演的具体过程. 为了对理论模拟和井场实际资料进行反演,利用综合分层技术从双感应曲线中提取层界面初始位置和地层电阻率初值,通过单独迭代反演中感应资料,修改层界面和地层电阻率实现中感应资料的最佳拟合,得到探测深度相对较浅的地层电阻率,然后固定层界面位置,再迭代反演深感应资料,得到另一组探测深度相对较深的地层电阻率. 理论和实际资料处理结果证明,两个不同探测深度的电阻率反演结果的相对大小能够准确地反映地层真实的侵入特征.此外,由于深感应仪器具有较深的探测深度,不论在高侵或低侵地层上,深感应反演结果与地层原状电阻率的差异大大小于视电阻率的差异,所以利用反演结果也能得到更好的地层原状电阻率的估计值.     

A non-linear regularized constrained impedance inversion

Inversion for seismic impedance is an inherently complicated problem. It is ill‐posed and band‐limited. Thus the inversion results are non‐unique and the process is unstable. Combining regularization with constraints using sonic and density log data can help to reduce these problems. To achieve this, we developed an inversion method by constructing a new objective function, including edge‐preserving regularization and a soft constraint based on a Markov random field. The method includes the selection of proper initial values of the regularization parameters by a statistical method, and it adaptively adjusts the regularization parameters by the maximum likelihood method in a fast simulated‐annealing procedure to improve the inversion result and the convergence speed. Moreover, the method uses two kinds of regularization parameter: a ‘weighting factor’λ and a ‘scaling parameter’δ. We tested the method on both synthetic and field data examples. Tests on 2D synthetic data indicate that the inversion results, especially the aspects of the discontinuity, are significantly different for different regularization functions. The initial values of the regularization parameters are either too large or too small to avoid either an unstable or an over‐smoothed result, and they affect the convergence speed. When selecting the initial values of λ, the type of the regularization function should be considered. The results obtained by constant regularization parameters are smoother than those obtained by adaptively adjusting the regularization parameters. The inversion results of the field data provide more detailed information about the layers, and they match the impedance curves calculated from the well logs at the three wells, over most portions of the curves.