基于起伏地层的曲面重力场快速高精度正演

Parker公式在起伏地层重力场正演方面以其简洁、快速等优点被广泛应用于地形改正以及界面反演等,但传统的Parker公式正演方法存在一定的缺陷,在起伏地层模型重力场的正演计算中,由于正演式中e的指数项数值稳定性较差,导致正演结果精度不高。在前人研究的基础上,对Parker公式进行了改进,通过增加上、下界面平均值的方法,提高正演的数值稳定性,改进后的正演精度得到大幅提升。在此基础上,提出了一种曲面观测算法,将观测面由传统的水平面推广到任意起伏面,实现了上下界面起伏地层在起伏观测面上的快速高精度重力正演计算和带地形的密度界面起伏模型的快速高精度重力正演模拟。为了保障数值精度,采用了Gauss-FFT算法,模型实验均取得很好效果。     

华南地区地壳厚度变化及对成矿类型的制约:来自卫星重力数据的约束

华南地区是中国金属矿产资源的“大粮仓”,分布有多个多金属成矿带。多金属成矿带的形成常伴随着地下特殊的深部背景和过程,通过莫霍面深度的计算,对华南地区的地壳厚薄变化所反映的壳幔耦合关系进行研究,可为探索华南地区地下巨量金属资源的形成与演变过程提供参考。本文首先基于球坐标的重力解算方法对高阶卫星重力场模型EIGEN-6C4的数据进行校正,得到华南地区的卫星布格重力异常。然后采用改进的Parker-Oldenburg方法进行变密度界面反演,获得华南地区莫霍面起伏特征。最后结合区内不同成矿带的范围和前人发表的地质、地球化学等资料,探讨华南地区不同成矿带的成矿物质来源与莫霍面起伏的关系。认为长江中下游和钦杭东段处于莫霍面隆起区域的成矿带,幔源物质对其成矿作用起主导地位,形成以铜、铁为主的多金属矿床;南岭、武夷、钦杭西段及鄂西—湘西位于莫霍面隆-陷交替区域的成矿带,成矿与壳、幔源物质的相互作用密切相关,最终形成钨、锡、金、银、铅锌等多金属矿床。     

基于卫星重力异常的南海南部中生界反演

已有钻井以及地震资料揭示南海南部海域广泛发育中生代地层。为了进一步了解南海南部中生代地层的分布特征及油气地质意义,本文利用最新的卫星重力数据反演中生界的深度和厚度。首先,采用重力场正演技术消除海水的影响,获得南海南部布格重力异常。其次,为了消除新生代沉积层的影响,将新生代沉积层划分为0～3、3～6、6～10 km 3层,并根据前人在南海获得的密度与深度的关系,采用变密度Parker正演方法计算新生代沉积层产生的重力影响,并将其从布格重力异常中减去,从而获得前新生代重力异常。在此基础上,采用小波多尺度分解技术,消除深部莫霍面以及局部岩体重力的影响,从而计算得到反映中生界的重力异常。最后采用三维Parker变密度界面快速反演技术获得南海南部中生界深度和厚度。反演结果与已知中生界钻井具有较好的对应。南海南部地区中生界主要分布在礼乐滩、巴拉望岛北部和万安地区,厚度分布小于9 km,其他大部分地区中生界厚度小于1 km或者不存在中生界。其中中生界在礼乐滩地区最为发育,其次在巴拉望岛北部也广泛发育。结合前人在该区域的油气地质条件研究成果,认为南海南部海域礼乐滩地区中生界具有较好的油气勘探前景。     

空间域密度界面反演方法及其进展

利用重力数据反演密度界面一直是重力学研究的重要内容,其在区域构造研究和油气勘探等领域发挥着越来越重要的作用。按照计算域的不同,密度界面反演方法可分为频率域方法和空间域方法。简要介绍了空间域方法中研究和使用较多的直接迭代法、脊回归法和正则化方法的基本原理及改进措施,3种方法的应用效果对比表明,直接迭代法和脊回归法反演结果均为光滑形态的密度界面,而正则化方法可反演非光滑形态密度界面,并且方便施加先验约束信息。密度界面反演结果受位场分离精度的影响较大,应尽量利用已知信息作为约束进行位场分离或采用逐层分离技术。待反演界面上下的密度差对反演结果影响亦很大,需充分利用研究区密度资料构建符合构造特征的三维密度差变化模型以提高反演的精度。在反演方法原理方面,需要结合先验约束信息(可通过钻井、地震资料等获得)来提高反演的准确性。更重要的是,需明确反演密度界面与地质构造界面的对应关系,以正确评价反演结果。最后提出了密度界面反演方法将来的研究重点和发展方向:随着重力观测技术的快速发展以及研究目标的多样化,今后需研究适用于大区域或全球尺度的密度界面反演方法;随着地质目标勘探难度的增大,亦亟需研究符合构造特征的精细的单密度界面反演方法,并发展多层密度界面反演技术。     

基于非结构化网格的大规模磁测数据正则化反演研究

磁测数据解析正演的内存需求与模型规模、观测点数成正比,以其为依托开展大规模磁测数据反演时,计算成本较大。文章利用非结构化网格有限单元法进行磁测正演,分析了地表观测网格、边界节点数和局部网格密度等因素对正演计算精度的影响;在此基础上,基于灵敏度矩阵隐式存储的高斯-牛顿法求解正则化反演目标函数,实现了大规模磁测数据三维反演。理论模型试算和铀矿区域实测数据案例表明,文章所述方法可保证正演计算的精确度,提高了计算效率、减少了反演的内存消耗,可用于复杂条件下大规模磁测数据的三维反演。     

球坐标系下磁化强度矢量反演方法及其应用

磁化强度矢量反演方法在磁法勘探中具有现实意义,能够获取磁场强度大小和磁化方向。磁化强度矢量反演方法通常是基于笛卡尔直角坐标系进行计算,在野外和实验室测得的岩石磁性数据都是以磁化强度和磁化方向的形式给出,将其变换到笛卡尔直角坐标系中进行计算,显然增加了计算的冗余性。这里首先通过模型实验证明球坐标系下的磁化强度矢量反演方法具有两个优点:①减少了未知数的个数,因而可以减少计算时间;②反演结果更加聚焦,深度分辨率更高。然后将球坐标系下的磁化强度矢量反演方法应用于卡拉塔格红海-黄土坡勘查区,对该区的实测航磁数据进行处理,计算得到了勘查区的磁化率模型,为深部找矿提供地球物理借鉴。     

利用地球物理场特征探讨陕西省深部构造

陕西省,尤其是秦岭地区处于中国南北构造和东西构造的交汇部位,是中国地壳五大块体中的青藏块体、塔里木块体、华南块体和华北块体的分界部位,其地壳结构和地质构造都十分复杂。因此,利用区域地球物理场对陕西省深部构造进行研究十分必要。一、方法上地幔与地壳之间存在着一个物质界面—莫霍洛维奇不连续面,简称莫霍面。它可引起相当可观的重力异常。因此,由区域重力异常,通过反演计算可以获得莫霍面的起伏变化和地壳视厚度值。按王懋基等采用的方法,本文用40×40公里网格计算平均重力异常,用     

用边界元法进行二维重力异常反演

重力异常正演计算的边界元方法是利用格林公式将通常的沿整个密度体的体积分转变为沿密度体边界的积分,这样使问题的维数降低了一维,从而加快了计算速度、提高了计算精度。本文利用边界积分公式解反问题,这样减少了求解参数,提高了稳定性。理论模型计算表明,该法适用于形状复杂均匀密度体的反演,特别是它能用于地下起伏密度界面的确定。     

基于遗传算法优化的BP神经网络在密度界面反演中的应用

BP神经网络方法在二维密度界面的反演中取得了较好的效果,但在反演三维界面时,由于模型更复杂、参数更多,BP神经网络的收敛速度和反演精度都有一定程度的下降。为了改善反演效果,本文利用遗传算法对BP神经网络的权值、阈值选择过程进行优化,获得了更好的网络模型;并将此模型应用于密度界面模型的反演中,预测误差从上百米减小到数十米,同时迭代计算步数减少了近2/3,有效减少了计算时间,反演结果更准确。利用基于遗传算法优化的BP神经网络反演了法国某地区莫霍面深度,预测相对误差仅为1.8%,取得了较好的应用效果。基于遗传算法优化的BP神经网络在密度界面的反演中具有良好的应用价值和研究前景。     

重力异常物性正则化反演研究

经典位场物性反演是建立在数与模型之间的线性关系,利用离散正演公式将每个剖分单元相对观测点的核函数进行计算,以寻求观测数据与核函数有最好的相关性。该类方法在计算过程最大的问题就是在解巨大超定方程组时,导致求解极不稳定。在前人的研究基础上,提出一种基于先验密度模型约束正则化条件下的重力异常视密度求解方法,通过L曲线法选取最佳的参数,使求解过程中有较高的稳定性和求解精度。这里以一理论模型作为观测数据,并引入噪声作为观测误差,通过算法的对比表明,该方法有很高的计算精度和稳定性,对于需要求解大型超定矩阵的三维模型,在给定先验初始模型的条件下,该方法仍然能够取得很好的效果。     

利用重力和面波联合反演确定四川地区三维岩石圈速度结构

基于不同地球物理数据对地下结构不同的敏感性和数据分布,联合地球物理反演可以减少反演的非唯一性和提高反演模型的可靠性。在研究中,利用噪声成像得到的地震面波相速度,并结合当地的布格重力异常数据对四川地区的岩石圈速度结构进行了联合成像研究。地震面波频散数据主要对地下岩石的横波速度敏感,而重力数据对地下介质的岩石密度有很好的约束性,为了将两种数据归并统一到同一个联合反演系统中,利用了地震波速度和岩石密度之间的经验关系。基于面波和重力联合反演成像算法,得到了四川地区岩石圈的三维横波速度模型。该模型不仅与地表已观测到的地质特征有较好的吻合性,而且能够比较好地拟合面波数据和重力数据,新的模型对于研究四川地区的地震灾害有着重要的参考意义。     

拟神经网络反演在煤田中应用

Parker快速富氏变换反演单一密度界面存在两方面问题：一是求解目标界面重力异常难度较大;二是受正演速度及反演参量维数的限制,不能对界面进行精细划分.拟神经网络BP算法的引入,首先解决了快速三维正演问题,又突破了反演参量维数的限制,实现快速收敛,有效解决两个或多个密度界面的反演问题.在实际应用中,先用密度“补偿法”正演求取剩余生力异常,然后利用拟神经网络BP算法同时反演两个二维密度界面,拟合求得两个界面的深度异常,在此基础上预测煤田.     

应用重力资料同时获得两个密度分界面的反演方法

本文提出了应用两层二度矩形棱柱体的下界面近似地模拟两个密度界面起伏的重力反演法。以棱柱体的参量作为未知数,重力异常作为常数项,以此建立一个矛盾方程组。此方程组的解,即为所求的密度界面的起伏变化。该方法可用于同时求取康腊面和莫霍面。方法具有一定的精度,在理论模型上的试验取得了较好的效果。     

重力异常AlexNet深度神经网络反演

针对传统反演方法存在的初始模型依赖、计算时间较长等问题,提出了一种新的基于AlexNet深度神经网络的重力异常反演方法。该方法首先借鉴经典的深度神经网络AlexNet设计了一种用于重力异常反演的Alex反演网络(AlexInvNet),接着设计大量密度异常体模型并通过正演计算得到带标签的数据集,然后用该数据集训练AlexInvNet网络,最后将重力异常数据输入训练好的AlexInvNet网络直接得到反演结果。理论模型反演结果表明,该方法相较于全连接网络深度学习反演方法,能够更好地反演出异常体的位置和密度,具有较好的泛化能力和抗噪声能力。实测数据反演结果表明,该方法能有效解决重力异常反演问题。     

复杂条件二维重力场及重力张量场空间波数域正演方法

随着传感器技术的发展,重力场与重力张量场测量技术发展迅速,为实现地下密度分布精细反演提供了数据保障。正演是反演的基础,解决任意密度分布复杂地质体重力场与重力张量正演高效、高精度计算问题,是实现重力高效、精细反演、人机交互反演解释的关键。针对起伏地形和任意密度分布这种复杂条件下二维重力场及重力张量场高效高精度正演问题,这里提出了一种空间波数混合域正演算法,其关键环节包括:①结合新的矩形二度体组合模型波数域表达式和一维Gauss-FFT算法,提出了一种任意密度分布和起伏地形下重力场及重力张量高效、高精度正演算法;②采用新的二维正演算法,计算观测最高点和最低点之间多个不同高度水平网格重力场及重力张量,结合三次样条插值方法,实现了起伏地形上重力场及重力张量场高效、高精度正演。模型算例结果表明,新方法具有高效、高精度的显著特点。     

突泉盆地磁性体重力场剥离的方法技术及岩体三维显示

各地层中赋存的岩体可能形成局部重力异常,对重力资料的密度界面反演计算可靠性产生影响,所以在进行反演计算之前去除岩体引起的异常影响,可增强密度界面反演的可靠性.笔者以突泉盆地重磁异常资料为基础,通过重磁异常特征分析,切取多条剖面进行2.5D正反演计算,进而对磁性岩体形成的重力场进行剥离,增加了重力场密度界面反演计算的可靠性;同时构建岩体的三维地质模型,清晰反映岩体的空间分布,为对目标地质体进行三维地质填图方法做了初步探索.     

RGIS软件重磁联合反演在1：20万区域重力调查中的应用

在黑龙江省五常县—沙兰站公社1：20万区域重力调查工作中,运用重磁电数据处理与解释软件系统（RGIS）的2.5D人机交互可视化重力和磁异常联合反演,对于工作区的深部构造、莫霍面、地壳深部密度界面等问题作出了一定的探讨。     

最佳向上延拓高度的估计

提出根据两个相邻高度重力异常向上延拓值相关系数与高度的关系 ,以估计应用向上延拓分离区域及剩余重力异常的最佳向上延拓高度的方法。二维模型计算表明 ,不同高度的观测重力异常向上延拓值和观测面上区域重力异常值的互相关系数与高度的关系曲线 ,存在一个明显的极大值 ;这个极大值对应的高度 ,就是从观测异常中分离出这一区域重力异常所需要的最佳向上延拓高度。两个相邻高度重力异常向上延拓值之间的互相关系数与高度的关系曲线 ,存在一个明显的转折点 ,这个转折点对应的高度 ,就是所求的最佳向上延拓高度。应用本方法处理华南北部地区布格重力异常的结果表明 ,由于引起本区区域重力异常的地质因素 ,除了莫霍面及上地壳底面外 ,还受到本区广泛分布甚至出露的花岗岩的影响 ;所以为了从观测异常中分离这一区域异常所需要的最佳向上延拓高度为 2 0 0km ,小于莫霍面及上地壳底界面的平均深度。为了从观测异常中分离出由莫霍面引起的重力异常所需要的向上延拓高度 ,达到 15 0km。因此 ,应用本方法处理实测重力资料 ,必须首先了解引起区域重力异常的场源情况。     

三维密度界面反演的一个近似方法

在区域地球物理研究工作中,应用重力资料反演密度界面,尤其是计算莫氏面的深度,已被广大学者所重视。目前某些计算方法,如线性公式法、压缩质面法等已被应用。我们认为,在利用小比例尺区域重力资料反演密度界面时,现有的一些方法各有其一定的局限性。     

基于深度神经网络的重力异常反演

为解决传统线性反演方法容易陷入局部极小,计算效率低等问题,本文提出了一种基于深度学习的重力异常反演方法.该方法首先构造不同形状的二维密度模型,正演得到重力异常,组成数据集;然后用该数据集训练深度神经网络;最后将重力异常数据输入到训练好的深度神经网络,直接得到反演结果.实验结果表明,该方法能快速、准确地反演出地下异常体的...