基于局部采样MCMC方法的时移探地雷达反演

马尔科夫链蒙特卡洛方法（MCMC）是一种启发式的全局寻优算法,可以用来解决概率反演的问题.基于MCMC方法的反演不依赖于准确的初始模型,可以引入任意复杂的先验信息,通过对先验概率密度函数的采样来获得大量的后验概率分布样本,在寻找最优解的过程中可以跳出局部最优得到全局最优解.MCMC方法由于计算量巨大,应用难度较高,在地球物理反演中的应用尚处于起步阶段.
作者将MCMC方法应用到时移探地雷达（GPR）反演中,并结合双差法对时移的目标区域进行准确反演.在双差法时移反演的过程中,作者对目标区域使用拓展的Metropolis算法进行局部采样,减小了计算量的同时,进一步提高了目标区域的反演精度.最后对合成的数据进行了反演测试,对目标区域的反演误差进行了分析,说明了基于局部采样的MCMC反演方法的有效性,目标区域反演结果特征明显,反演效果好.