基于贝叶斯理论面波频散曲线随机反演

面波频散曲线反演是获得地下横波速度结构的重要地球物理方法。常规基于迭代最小二乘等线性反演方法依赖于初始模型,且存在多极值、容易陷入局部最小、反演精度低等问题。基于贝叶斯理论的随机反演方法是一种可以融合先验信息的非线性反演方法,该方法无需人为给定初始模型,仅利用先验信息对模型进行随机采样,根据概率分布筛选接受合适的后验概率密度估计结果,可达到对细节信息的准确估计。本文针对瑞利面波频散曲线,提出了基于GPR数据先验资料约束的贝叶斯马尔科夫蒙特卡洛(MCMC)随机反演方法,通过随机改变模型参数并计算其频散曲线与实际频散曲线的似然函数来选择是否接受新的模型参数,不断重复此过程,最终得到与实际频散曲线拟合效果最佳的最优解以及横波速度解的后验概率密度分布。通过理论模型以及实际数据反演测试,验证了该方法与常规无约束的随机反演相比,可以有效地提高反演速度和反演精度。