利用正演模拟实现面波衰减

瑞雷波是分布在自由表面附近的P-SV面波,具有强振幅、低频、频散的特征,常用于工程物探,而在油气勘探及深部探测中常作为一种"干扰"波,会影响地震资料的信噪比,需要将面波净化处理。为实现面波衰减,本文将工程物探方法和石油物探技术相结合,通过面波频散曲线反演获得高精度的近地表模型,在三维近地表横波速度模型基础上进行面波正演,利用面波模型自适应匹配相减的方法将其减去,在不伤及有效波的情况下将面波的影响降至最低,一定程度上避免了常规面波衰减方法伤及有效波、损失低频弱信息、导致资料有效频带变窄、对地震构造解释及反演造成负面影响等缺点。最后应用实际数据验证了本研究方法的有效性。     

中国及邻区的地震面波频散反演

用２４９６个中国数字地震台网（ＣＤＳＮ）和世界数字地震台网（ＧＳＮ）的长周期面波群速度资料,反演得到中国及邻区的不同周期的群速度分布图以及１１４４条纯路径频散曲线。它反映了中国及邻区横向和纵向均存在着明显的非均匀性。周期为３０ｓ的群速度分布图反映了地表的板块构造。     

混合遗传算法在大地电磁一维反演中的应用

遗传算法是近些年来产生和发展的一种模拟生物进化过程的自适应启发式全局优化的搜索算法。它不完全依赖于初始猜测,且具有全局收敛的特点,可以被用来解决各种复杂的实际问题,如工程优化设计,人工智能和决策系统,以及地球物理反演等。尽管遗传算法是一种效率很高的全局优化算法,但许多仿真结果表明,它具有计算时间长,局部搜索能力弱的缺点。而共轭梯度法属于非启发式全局优化搜索方法,收敛速度快,但容易陷入局部极值,且严重依赖初始猜测。根据遗传算法和共轭梯度法的特点,这里提出了一种混合遗传算法,用来进行地球物理反演。该算法既具有遗传算法的全局收敛性,又有共轭梯度法的快速收敛性,经实际应用,取得了良好的效果。     

采用生物遗传算法的大地电磁测深资料反演

本文用遗传算法（ＧＡ）进行大地电磁测深（ＭＴ）一维模型的反演。本反演方法无需初值，不用求导数，受噪声影响小，能有效克服反演中出现的局部极值，并能给出一组解     

大地电磁与地震反射波走时数据二维联合反演

由于地球物理反演存在固有的多解性问题,如何减小多解性,提高地球物理方法反演结果的可靠性和准确性是当今地球物理领域研究的热点。为了减小大地电磁与地震反射波走时资料反演的多解性,在Gallardo和Meju研究的交叉梯度理论的基础上,实现大地电磁与地震反射波走时数据的二维联合反演算法;设计理论地电模型和速度模型进行合成数据的单独反演和联合反演试算,并验证大地电磁和地震反射波走时数据二维联合反演算法的正确性和有效性。反演结果表明,利用交叉梯度方法耦合大地电磁电阻率参数和地震波速度参数能使联合反演过程中的这两个模型在更新的时候相互约束,联合反演结果比单一反演结果更接近真实模型,从而使反演结果更可靠,减少了反演解的多解性。     

利用面波频散反演场地参数的Occam法

将Constable等人1987在解释大地电磁测深资料时提出的Occam反演方法应用到面波频散反演之中，其思路是求满足一定的残差条件下的最光滑的模型。从文中反演的几组数据结果来看，该方法在面波反演中的应用效果是令人满意的。     

邻近算法在一维大地电磁反演中的应用

总结了大地电磁法( MT)中常用的各种反演算法,并指出其局限性。对邻近算法( NA)加以概述,并将其引入MT反演中。对一维MT合成数据进行反演分析,得到的最大似然模型十分接近理论模型。虽然NA与遗传算法( GA)抗陷入局部极小值的能力大体相等,但NA算法生成的采样点分布密度与误差函数大体一致,因此NA更有利于应用基于积分的参数估值方法。本研究表明,NA收敛速度比GA更快。这说明在一维MT反演中,NA算法比GA算法更具优势。     

地震——大地电磁数据非线性联合反演方法研究

在地球物理数据广义线性联合反演方法的基础上，研究了地球物理数据非线性联合反演方法。对这两种方法的反演效果进行了比较、分析、得出了非线性联合反演方法比广义线性联合反演方法更优越的结论。还对解决迭代公式中数量级不一致的问题进行了论述。     

地震瑞利面波测深应注意的问题

本介绍了面波测深原理，探讨了面波测深数据处理过程中存在的问题，分析了面波测深的影响因素，为进一步改善测量结果提供了依据。     

大地电磁测深与地震初至波走时交叉梯度反演

在地球物理勘探过程中,观测数据有限且存在误差,导致反演结果存在非唯一解。为了解决非唯一性问题,笔者研究了交叉梯度数学理论,实现了用交叉梯度约束2D 大地电磁和地震初至波走时的联合反演,并建立了2个模型。通过各自模型实验和不同模型间的对比,证明了交叉梯度联合反演比单独反演修复几何形态和物性参数的效果好,且交叉梯度与岩石物性无关;利用得到的交叉梯度图进一步证明了联合反演模型相似度高,也从交叉绘图中得到联合反演的物性关系更好的结论,反向证明了联合反演的正确性。     

大地电磁三维正、反演多核并行计算的设计与实现

首先以频点为并行粒度,完成了MT三维正演并行计算,然后将该算法引入共轭梯度法MT三维反演过程中的正演求数据的残差、反演方程右端项的求取、共轭梯度求解模型增量这三个计算环节中,使得MT三维反演中的主要计算量实现并行化。对编制的MT三维正、反演并行计算程序,在多核工作站上通过理论地电模型进行了正演试算和反演验证,并在串行和并行两种计算方式下进行了计算效率对比。     

夹层厚度对瑞利面波频散曲线的影响

文章以弹性波横波速度为参数,利用瑞利面波频散曲线的快速标量传递算法进行正演模拟计算,系统研究软弱层厚度对瑞利面波基阶模频散曲线的影响,分析和总结了频率与相速度（f-c）、频率与波数（f-k）、深度与相速度（h-c）等瑞利面波基阶模曲线随软弱层厚度变化的规律。     

软弱夹层速度对瑞利面波频散曲线的影响

文章以弹性波横波速度为参数,利用瑞利面波频散曲线的快速标量传递算法进行正演模拟计算,系统研究软弱层速度对瑞利面波基阶模频散曲线的影响,分析和总结了频率与相速度（f-c）、频率与波数（f-k）、深度与相速度（h—c）等瑞利面波基阶模曲线随软弱层速度变化的规律。     

面波频散反演地下层状结构的蚁群算法

介绍了一种新的算法——蚁群算法的概念和特点,及其在瑞利波反演地下层状结构中的应用,分析了使用蚁群算法应该注意的事项,提出了通过对初步搜索结果中信息素浓度分布曲线的分析,从而修改、缩小搜索范围,以提高反演速度的方法,并对层状介质模型以及实测数据的频散曲线进行反演,验证了方法的有效性。     

Transformer网络在大地电磁反演成像中的应用

传统大地电磁反演通常是基于确定性梯度的迭代求解,不仅需要大量时间计算雅可比矩阵,还依赖于初始模型的输入和正则化因子等参数的设置。近年来学者们不断引入机器学习方法以试图改善大地电磁反演,该方法不需要计算雅可比矩阵,不用输入初始模型,训练好的网络仅需几毫秒就可实现反演成像。这里利用Google团队提出的Transformer神经网络经典框架搭建大地电磁数据和模型之间的映射网络,以9240组正演数据为样本,对Transformer网络参数进行训练。采用南非开源大地电磁数据,实现了由视电阻率图像到电阻率模型的反演成像。研究表明:①经训练后的Transformer网络可以较准确的反映出异常体位置和大小;②网络实现了简单的矩阵并行化运算,大幅度提高训练的效率,且成像效率高于传统的反演。     

基于Lévy飞行的粒子群算法在大地电磁反演中的应用

粒子群优化算法在大地电磁测深反演中相较于一般的线性反演算法具有多种优点。然而标准粒子群算法在多维优化问题中存在早熟问题,为此,采用基于Lévy飞行随机游走策略的优化粒子群算法来处理局部最优解,增加寻优能力。通过对地电模型的反演对比表明,改进后的粒子群算法相较于标准粒子群算法适应度值下降速度更快、寻优能力更好。最后将该算法应用于已知钻孔旁实测数据,结果较好,表明该算法具有较好的实用性。     

基于改进残差网络的大地电磁反演研究

针对传统反演方法存在依赖初始模型、反演时间较长等问题,提出一种基于改进残差网络的大地电磁反演方法。该方法首先构造不同形状和不同电阻率的地电模型,在TM模式下正演得到视电阻率数据,组成数据集;然后在经典的残差网络ResNet基础上进行改进得到一种新的反演网络iResNet(improved residual network),并使用上述数据集训练该网络;最后将视电阻率数据输入到训练好的网络中,直接得到反演结果。实验结果表明,该方法能快速、准确地反演出地电模型的位置、形态和电阻率值,具有较好的泛化能力和抗噪能力,并能有效解决大地电磁实测数据问题。     

改进的神经网络反演微动面波频散曲线

通过分析微动探查方法和改进神经网络迭代反演算法,提出采用改进的神经网络迭代反演微动面波频散曲线。该方法在网络训练学习阶段通过批处理学习和优化网络结构提高网络学习速度;在迭代反演阶段通过v_R/λ_R-f曲线极值点的变化来调整输入模型以减少迭代反演次数;最后设计反演方案,并对6层介质模型进行频散曲线的网络训练和迭代反演,验证了方法的有效性。对比分析结果表明：该方法明显减少了迭代反演次数,提高了收敛速度,而且具有良好的抗干扰能力。