褶积与反褶积的一种计算方法

应用FFT方法计算实型线性褶积与反褶积问题时,通常需要将线性褶积转化为k=1的循环褶积,因而所得到的计算结果是近似的并且产生较为严重的边界效应问题.本文提出了一种新方法,它通过将线性褶积转化为k=±-1的循环型褶积,然后引入FFT进行计算;在保证不增加计算量的情况下,所得到的实型褶积运算是精确的、反褶积运算中边界效应可以得到较好的改善.     

基于量子蒙特卡罗的地球物理反演方法

本文将量子蒙特卡罗全局优化方法引入地球物理反问题,进而发展了一类新的地球物理非线性反演方法.量子蒙特卡罗方法是基于量子力学机制的随机方法,包括变分蒙特卡罗方法、格林函数蒙特卡罗方法、扩散蒙特卡罗方法、路径积分蒙特卡罗方法.本文简要回顾了量子蒙特卡罗方法的发展,阐述了其方法理论;随后的数值试验结果表明,量子蒙特卡罗方法应用于地球物理反问题的求解是成功的,它适合于非线性、多极值的地球物理反演问题,在收敛速度和避免陷入局部极小等方面有着一定的优势,且该方法也适用于其他领域非线性最优化问题的求解,其算法具有较强的通用性;最后就量子蒙特卡罗方法在地球物理反问题中的应用前景以及存在的问题做了简要概述.     

基于褶积模型的地震反演方法在煤田地质勘探中的应用

基于褶积模型的反演是地震反演中一类重要方法,主要包括递推反演、稀疏脉冲反演和基于模型反演等方法,在油气及煤炭资源勘探中发挥着重要的作用.本文对三种主要方法的基本原理进行了讨论;利用地震正演模拟技术,分析对比了不同方法的分辨率及抗噪能力;并且对陕北小保当二号井实际三维地震资料进行了反演处理,针对煤层变薄、煤层分岔以及约束钻孔较少的情况,对不同方法的应用效果进行了对比.认为单一反演方法预测精度较低可靠性较差,根据不同的地质条件综合使用多种反演方法可以提高预测的准确性与可靠性.     

地球物理非线性反演模拟退火法的改进

在地球物理非线性反演方法中,模拟退火法是一种较先进的启发式蒙特卡洛（ＭｏｎｔｅＣａｒｌｏ）方法．但是,在处理实际资料时,该方法存在着计算效率不够高的缺点,有时还会失效．为此,从模拟退少法的关键问题──最低温度的选择入手,根据模拟退火法与统计力学的吉布斯－马尔柯夫（Ｇｉｂｂｓ－Ｍａｒｋｏｖ）模型之间的关系导出临界温度的近似表达式;用此式分析目标函数超曲面形状对模拟退火法计算的影响;提出利用模糊先验信息确定最低温度、改造目标函数等改进措施．     

地球物理非线性反演模拟退火法的改进

在地球物理非线性反演方法中，模拟退火法是一种较先进的启发式蒙特卡洛（ＭｏｎｔｅＣａｒｌｏ）方法．但是，在处理实际资料时，该方法存在着计算效率不够高的缺点，有时还会失效．为此，从模拟退少法的关键问题──最低温度的选择入手，根据模拟退火法与统计力学的吉布斯－马尔柯夫（Ｇｉｂｂｓ－Ｍａｒｋｏｖ）模型之间的关系导出临界温度的近似表达式；用此式分析目标函数超曲面形状对模拟退火法计算的影响；提出利用模糊先验信息确定最低温度、改造目标函数等改进措施．     

一种基于数据融合的地球物理数据联合反演方法

从地球物理反演的基本概念出发，认为地球物理反演是 对实测数据的地球物理属性的理解或解释，多方法的地球物理数据联合反演是一种多传感器 的数据融合. 本文分析了地球物理数据的模糊特性，采用基于语义的模糊化方法，使不同物 理意义和尺度的特征数据及测区的地质和地球物理背景成为一体，结合地球物理专家解释的 方法，利用基于模糊逻辑系统的神经网络实现了融合. 该方法充分利用了各种地球物理探测 数据的全部信息，避免了线性反演的复杂计算；其数据融合的观点,为解决地球物理联合反 演问题提供了新的思路. 通过模拟实验和应用实例验证，该方法是有效的.     

基于相似性重构低频数据的金属矿频域全波形反演

由于深部金属矿埋深和自身的复杂性,利用重、磁、电方法和一般的地震方法很难有效地对其进行高精度定位.全波形反演通过最小化模拟数据与观测数据的差异使深部金属矿的高精度探测成为可能,但全波形反演是一个局部优化过程,需要准确的低频数据作为起始,而这在一般的地震数据采集中难以做到.本文先在频域中使用伴随状态震源函数反演方法,通过震源附近的直达波能精确地反演出震源函数的形态.然后利用得到的高精度震源子波结合褶积与反褶积思想及相似性现象重构含有低频成分的自激自收数据.将该数据应用到全波形反演中,有效缓减了反演过程中出现的周波跳跃现象,并提高了模型反演的正确性.Marmousi模型和金属矿模型的数值模拟实验证明了新方法改善了在没有低频数据时的全波形反演结果,并有较好抗噪性.

     

基于混合差分进化算法的地球物理线性反演

地球物理反问题线性化处理之后, 各种反演算法归结为对病态线性方程组的求解. 为了快速准确地计算出地球物理参数, 本文提出了一种全新的基于LSQR算法的混合差分进化算法(Hybrid Differential Evolution Algorithm, HDE). 该算法利用LSQR算法给出DE算法的初始种群, 提高DE算法的计算速度和稳定性. 在不同噪声水平下, 对四种正则化方法Tikhonov、TSVD、LSQR和HDE的反演结果进行详细比较. 理论模型和实际数据反演的结果都表明: 改进的HDE算法应用于地球物理反问题的求解是成功的: 反演结果与原设定模型具有较高的相关性, 在稳定性和准确性上较常规的反演算法都具有一定的优势; 而且不需要给定正则化参数, 具有更强的实用性.     

基于时变重力数据的川滇地区场源模型反演和解释

时变重力信号能反映地球内部介质迁移引起的不均衡变化,本文利用三维欧拉反褶积方法,通过建立合适的场源模型获得最佳反演参数,并采用水平梯度滤波法消除部分虚假发散解,优化反演结果。在此基础上,利用川滇地区2015—2019年流动重力重复观测资料,分析了不同时空尺度的区域重力场动态变化特征,开展对川滇地区重力变化场源特征的定性和定量研究。结果表明:欧拉反褶积方法能有效反演重力场变化异常的场源三维空间分布特征,反演结果与2018年12月16日四川兴文县M_S5.7地震, 2019年6月17日长宁县M_S6.0地震及同年7月4日珙县发生的M_S5.6地震位置相对应,揭示了区域内的构造活动特征,为地表时变重力数据的反演和解释提供了思路和方法,同时也对捕捉与深部构造相关的地震前兆信息、开展强震中长期预测的应用研究具有现实意义。     

发展技术,增强基础-地球物理仪器国际化与地球物理技术在工程上的应用研讨会综述

2004年,中国地球物理学会仪器专业委员会在北京召开了“地球物理仪器国际化问题”(4月)和“地球物理技术在工程上的应用”(8月)两个研讨会。会议发表了大量论文,展示了目前我国先进的地球物理仪器和地球物理技术在工程方面的应用成就．承《地球物理学进展》编辑部支持,决定在2004年第四期和2005年第一期,连续刊载经专家审查和推荐的地球物理仪器和技术方面的部分优秀论文,     

海上地震资料子波提取鬼波压制技术

海洋地震勘探由于受到海面强反射界面的影响,记录数据中存在鬼波,致使数据频谱中产生陷波效应,限制数据的频带宽度,影响数据的分辨率,干扰地层反射的识别.近年来发展的鬼波压制方法,能够较好的压制地震数据中的鬼波,然而现有鬼波压制技术容易产生延续相位,且计算效率较低.为进一步提高鬼波压制效果和工作效率,本文对海上地震资料特性进行分析,研究认为,海上地震资料中的海底反射信号真实记录了海底有效反射、震源鬼波和检波点鬼波的形态,可以利用提取的海底反射子波对数据进行确定性子波反褶积处理,能够有效的压制震源鬼波和检波点鬼波.模型海上实际数据测试结果表明,该方法具有鬼波压制效果好、计算效率高的优势,处理之后的数据频带得到有效拓宽,低频和高频信息均得到加强.     

基于密度扰动的点扩散函数计算与三维深度域模拟成像

点扩散函数(point spread function, 简称PSF)是成像系统对单位强度点散射体的响应, 基于PSF的反演方法为直接在深度域进行储层参数反演提供了新的方向.本研究旨在提出一种切实可行的PSF计算方法, 并利用PSF得到深度域模拟成像.本文从扰动理论出发, 分析了速度和密度扰动对散射场的影响, 在前人工作的基础上提出了基于密度扰动的两步正演法来计算PSF.然后, 深入研究了如何去除模拟成像过程中的结构信息污染, 如何进行相位匹配以及空间褶积的实现细节等问题, 并提出了相应的有效解决方案.模型测试表明采用本文提出的计算方法得到的PSF具有准确、污染小的特点, 并且基于PSF得到的深度域模拟成像剖面在振幅和相位上都与实际偏移成像结果匹配良好.

     

基于深度卷积神经网络的地震震相拾取方法研究

地震震相拾取是地震数据自动处理的首要环节,包括了信号检测、到时估计和震相识别等过程,震相拾取的准确性直接影响到后续事件关联处理的性能,影响观测报告的质量.为了提高震相拾取的准确性,进而提高观测报告质量,本文采用深度卷积神经网络方法来解决震相拾取问题,构建了多任务卷积神经网络模型,设计了分类和回归的联合损失函数,定义了基于加权的分类损失函数,以三分量地震台站的波形数据作为输入,同时实现对震相的检测识别和到时的精确估计.利用美国南加州地震台网的200万条震相和噪声数据对模型进行训练、验证和测试,对于测试集中直达波P、S震相识别的查全率达到98%以上,到时估计的标准偏差分别为0.067 s,0.082 s.利用迁移学习和数据增强,将模型用于对我国东北地区台网的6个台站13000条数据的训练、验证和测试中,对该数据集P、S震相查全率分别达到91.21%、85.65%.基于迁移训练后的模型,设计了用于连续数据的震相拾取方法,利用连续的地震数据对该算法进行了实际应用测试,并与国家数据中心和中国地震局的观测报告进行比对,该方法的震相检测识别率平均可达84.5%,验证了该方法在实际应用中的有效性.本文所提出的方法展示了深度神经网络在地震震相拾取中的优异性能,为地震震相和事件的检测识别提供了新的思路.

     

基于异常线圈的时间域AEM系统测试和标定方法研究

为了检验和测试时间域航空电磁系统的测量精度和有效性,采用地面铺设闭合的异常线圈模拟地下有限导体的方法,将异常线圈的电磁响应理论值与系统实测数据进行拟合分析,来确定系统误差和飞行几何参数误差.在计算异常线圈电磁响应的基础上,研究了衰减曲线、剖面曲线与线圈的电性、几何参数关系,设计了野外测试实验方案.在长春市大鹅岛附近,采用吊车进行了系统测试,测试结果表明:单点实测数据的平均绝对误差为0.48 mV,系统相对误差小于1%,飞行高度误差为0.4 m、水平偏移误差为0.2 m.基于异常线圈进行时间域航空电磁系统的测试和标定,是一种准确、快速、经济可行的方法,具有野外施工便捷、参数调整灵活等特点,适用于任何时间域电磁测量系统的检测.     

华南中强震前区域地震活动增强平静特征

研究了华南地区19次中强地震前区域地震活动的增强与平静特征,并据此提取了华南地区短期预报指标,即增强—平静后,3个月内发震;地震发生在异常平静区;震级一般为中强地震。     

基于卷积神经网络的地震偏移剖面中散射体的定位和成像

本文提出了一种基于深度学习卷积神经网络（CNN）的全波形反演方法,可对地震散射波场中的散射体进行成像和定位.本文的灵感来自如下猜想：在散射波场剖面上的每个点附近的局部波场与该点到各散射体之间的最小距离有关系,并且这个关系可以被CNN网络所识别.我们将该最小距离定义为散射距离场,并将散射距离场的类别（即大小等级）作为CNN网络的预期输出,而输入就是该点附近的局部波场.最后用上述CNN网络对散射波场进行逐点训练和识别.计算结果证实了我们的灵感猜想,即上述CNN网络能够在复杂散射波场中对散射体进行成像.只通过一个训练模型的学习,CNN网络即可反演多种散射模型的偏移剖面,最后得到"类别函数预测值"和"滤波剖面"两种成像结果,由此可以辨识出在复杂的偏移剖面中各散射体的位置.     

压缩感知高分辨率接收函数叠加成像及其应用

接收函数成像方法纵向分辨能力高,而其水平分辨能力很大程度上取决于地表观测台站分布.经典共转换点(Common Conversion Point,CCP)叠加成像方法应用中,如果存在台站稀疏区,往往需要统一选取较大尺度叠加半径以获得连续的成像剖面.这不仅造成台站密集区域成像分辨率损失,且使成像界面产生明显的叠加痕迹.本文结合压缩感知理论和经典CCP成像方法实现提高空间分辨率的接收函数成像.我们假设地下界面在局部范围内变化较缓慢、形态特征稳定,那么接收函数信号相应具有一定的稀疏特性.基于此假定,首先通过压缩感知稀疏促进算法从稀疏、不规则分布的地震台阵接收函数重构出密集、规则化的“虚拟台阵”接收函数.之后,利用重构得到的“虚拟台阵”接收函数,采用小尺度叠加半径进行共转换点叠加成像获得高分辨率转换界面成像剖面.特别地,我们在叠加成像前进行了叠前成像点振幅补偿处理,以克服台站分布不均匀导致的成像能量不均衡问题.台站越稀疏的区域,其振幅补偿值越高.本文方法可以极大减少经典CCP成像方法实际应用中为了兼顾台站稀疏区域采用大尺度叠加半径所造成的空间分辨率损失和“阶梯状”界面的叠加痕迹,在保证台站密集区高分辨率成像结果的同时有效提高台站稀疏区的成像分辨率并提升成像质量.数值模拟测试和华北克拉通科学台阵观测数据应用结果表明,压缩感知接收函数叠加成像方法可以实现可靠的高分辨率深部转换界面成像,在高分辨率深部结构研究中具有广阔的应用前景.

     

基于逆虚折射干涉法有效提取近地表弱地震信号

在地震勘探中,地形起伏和近地表速度的剧烈变化会导致地震波旅行时的扰动,通常会通过折射波信息来估算和消除这些扰动.本文在虚折射的基础上提出了逆虚折射干涉法,通过虚折射波场和原始折射波场的互相关,并对所有位于固定相位点上的检波点进行叠加,重构出逆虚折射波场.通过逆虚折射与超级虚折射的叠加,保证了不同偏移距下折射波振幅恢复的一致性,显著提高折射波的信噪比,有效提取弱信号.同时,本文采用反褶积干涉法来压制由于互相关和褶积产生的子波旁瓣的影响,弥补低频和高频能量的损失,改善恢复的折射波场的稳定性和分辨率.该新方法不需要知道近地表复杂速度模型的信息,可以将虚折射的勘探孔径恢复到原始地震记录的最大孔径.合成资料和实际资料的计算结果表明,基于反褶积的逆虚折射干涉法能够从低信噪比的资料中,有效恢复出折射波信息.