基于粒子群算法的瑞雷波频散曲线反演研究

瑞雷波频散曲线反演的本质是对目标函数求极值的过程.传统的线性局部反演算法容易陷入局部极小值,增加了反演结果的不确定性.粒子群算法作为一种全局非线性优化手段,能够保证各搜索空间内局部寻优的同时,逼近全局最优,保证迭代反演的收敛性.建立含软夹层型地层模型,正演计算得到理论频散曲线,采用粒子群算法反演得到的横波速度与模型高度吻合.同时,在理论频散曲线中加入10%的高斯白噪声,粒子群算法的反演结果仍然具有很好的可靠程度.通过对实测频散曲线的反演表明:粒子群算法在含软夹层型地层的横波速度探测中相对于最小二乘法优势明显,具有很高的应用价值.     

遗传算法和LM算法联合反演瑞雷波相速度

上世纪中叶以来,微震探查法等基于面波相速度频散测定以及其反演的地下构造勘探方法,在地壳研究、工程地质勘探等方面得到了广泛的应用.本研究分析了遗传算法（GA）应用在面波频散反演当中出现的问题,采用遗传算法和Levenberg-Marquardt 算法（LM法）的联合运用法——以遗传算法反演出来的大局的搜索结果为初始点,再进行LM法搜索,由此克服两者的缺点,实现高精度的反演.     

基于剪枝贝叶斯神经网络的电阻率成像非线性反演（英文）

针对传统神经网络在电阻率成像反演中存在的过拟合和易陷入局部极值等问题,提出了一种基于剪枝贝叶斯神经网络(PBNN)的非线性反演算法和一种基于K-medoids聚类的样本设计方法。在基于K-medoids聚类的样本设计方法中,利用观测数据的聚类结果提供先验信息构造神经网络的训练样本,从而有针对性地指导神经网络的训练过程;剪枝贝叶斯神经网络是在贝叶斯正则化的基础上,通过评估各隐节点对反演结果的影响来自适应确定神经网络的隐层结构,根据小样本条件下训练样本的先验分布特征,选择了基于广义平均的超参数αk来引导剪枝过程。通过与地球物理领域内其它常用的自适应正则化方法相比较,验证了本文算法的有效性。理论数据和实测数据反演的结果表明:该方法能够较好地抑制神经网络训练过程中噪声的影响,提高网络的泛化能力,其反演结果优于BPNN反演、RBFNN反演和RRBFNN反演以及传统的最小二乘反演。     

三维重力快速反演的优化算法（英文）

实用化的重力数据三维反演过程中需要大量的计算时间和存储空间,针对此问题本文提出一种组合优化算法:(1)利用空间域的精确性和波数域的快速性,提出一种高精度快速三维正演算法;(2)利用反演矩阵中的对称性,将重力共轭梯度反演(CG)中的主要计算分解成两次正演计算,从而优化了三维重力反演的计算效率。通过不同网格剖分数量模型的数值实验,验证了本文优化算法的计算精度和计算效率。     

基于优化的解缠绕算法的瞬时相位反演（英文）

全波形反演是一种基于数据匹配的高精度反演方法,但该方法易受时间域的周波跳跃或频率域的相位缠绕影响,其主要原因是初始速度不准确和缺少低频信息。此外反演的目标体尺度受观测系统和子波带宽影响,针对大尺度强反射体构造的反演是一个强非线性问题,更难以通过普通的全波形反演方法解决。对解决上述问题,瞬时相位反演为一有效方法,但是瞬时相位是以2π的模数进行测量和计算的,会丢失真实的相位信息。虽然路径积分算法可以对具有一维时间信号特征的地震数据瞬时相位进行解缠绕,但是由于它受到数值模拟和相位计算的影响,反演结果的分辨率降低甚至错误。为了提高抗噪性能并保证反演结果的准确性,我们对路径积分解缠绕算法进行了优化:通过在路径积分算法中加入包络约束,从而实现对相位突变点的限制,得到准确的瞬时相位。地震数据的解缠绕瞬时相位包含地下大尺度强反射体构造的丰富信息。同时,解缠绕瞬时相位构造的目标函数受局部极值的影响较小,适用于全波形反演。本文提出的基于优化解缠绕算法瞬时相位反演方法可以反演地下大尺度强反射体构造,并保证反演结果的准确性。Marmousi模型的数值试验验证了该方法的准确性,SEG/EAGE盐丘切片模型测试表明该算法可以恢复大尺度的低波数构造。     

基于萤火虫算法的雷瑞波非线性反演(英文)

雷瑞波具有强振幅、低频和低速的特点,在反射地震勘探中通常是需要被压制的强噪声。本文研究如何利用雷瑞波获取近地表地层的横波速度和地下结构,选取萤火虫优化算法进行面波的反演,萤火虫优化算法是一种新的粒子群算法理论,具有稳定、快捷、全局搜索等特点。针对萤火虫优化算法优缺点进行了讨论和改进,通过对理论模型和野外数据的测试应用,将提取的瑞利面波频散曲线反演得到横波速度信息。结果表明萤火虫优化算法能实现面波非线性反演,并具有分辨率高、抗干扰能力强等优点和实际使用前景。     

瑞雷波频散曲线的深度学习反演方法

瑞雷波频散曲线反演是获取地表横波波速的关键步骤, 现有线性反演方法的效果取决于初始模型的选择, 非线性反演也存在效率低、多解等问题.为了进一步提高瑞雷波频散曲线反演的速度与精度, 受深度学习卓越非线性映射能力启发, 本文提出了瑞雷波频散曲线的深度学习反演方法.文中首先基于近地表速度结构的遍历属性和演化特征的有序性, 提出了约束马尔科夫决策的样本数据构建方法; 然后设计了一种卷积神经网络衔接长短时记忆网络的混合网络结构(CNN-LSTM), 用于构建频散序列数据到速度结构的非线性映射关系, 该网络结构包含了3个局部特征学习模块和1个长短时记忆层; 再利用样本数据对混合网络进行训练; 最后进行反演预测.理论模型试验的频散曲线在无噪与含噪情况下, 拟合的平均相对误差分别不超过5.6%和8.9%, 表明本文所提方法具有较高的计算精度和良好的鲁棒性.最后, 将本文方法应用于2008年汶川M_W7.9地震白鹿镇同震地表破裂带的瑞雷波勘探中, 为其浅表同震变形的局部化效应提供了科学约束.

     

瑞雷波频散函数的快速算法

Knopoff的瑞雷波频散函数快速算法存在上下限溢出和有效数字损失的缺陷,Schwab对该算法作了"归一化"和"细分层法"两项改进,也只是部分地控制了计算溢出,作者针对Knopoff和Schwab算法上存在的缺陷提出了二次归一化算法,有效地解决了瑞雷波频散函数快速算法所存在的计算溢出及计算的高频上限欠低的问题.     

基于萤火虫和蝙蝠群智能算法的瑞雷波频散曲线反演

反演瑞雷波频散曲线能有效获取地层横波速度和厚度.但由于其高度的非线性、多参数、多极值等特点,传统的全局搜索方法易出现收敛速度慢、早熟收敛及搜索精度低的问题.鉴于此,本文提出并测试了基于萤火虫优化算法（FA）和带惯性权重的蝙蝠优化算法（WBA）的新的瑞雷波频散曲线反演策略.在瑞雷波频散曲线反演中,FA全局搜索能力强,但后期搜索精度低,而WBA局部搜索能力强,搜索精度高,但易出现早熟收敛.故本文将二者结合,提出了一种新的优化策略,称其为WFBA,即在反演前期使用FA,后期使用WBA,很好地解决了FA后期搜索精度低及WBA早熟收敛的问题.本文首先反演了三个典型理论模型的无噪声、含噪声的数据,验证了WFBA对瑞雷波数据反演的有效性与稳定性.然后将WFBA与WBA、FA单独反演以及不含惯性权重的FBA和粒子群优化算法（PSO）反演的结果进行了对比,说明了WFBA相对于WBA、FA、FBA和PSO具有更稳定、收敛速度更快、求解精度更高等优点.最后,反演了来自美国怀俄明地区的实测资料,检验了WFBA对瑞雷波数据反演的实用性.理论模型试算和实测资料分析表明,WFBA很适用于瑞雷波频散曲线的定量解释,具有很高的实用性价值.

     

基于改进海洋捕食者优化算法和瑞雷波频散曲线的近地表地层参数反演

面波勘探是获取近地表地质结构的重要手段,利用瑞雷波频散曲线可以反演得到地层横波速度和厚度或泊松比等参数.本文提出了一种新的优化策略来处理瑞雷波频散曲线的反演问题.改进海洋捕食者算法（ACMPA）是一种改进混沌初始化,引入自适应步长和精英竞赛机制优化的反演算法.采用混沌映射进行种群位置初始化,提高初始化种群位置的质量;加入自适应函数,增强全局搜索能力;引入精英等级制度,避免算法陷入局部极值点,从而从局部和全局寻优进行优化,提高反演的收敛速度.通过正演模拟和实测数据进行测试分析,证明了改进的海洋捕食者优化算法的有效性与稳定性.该方法可以利用瑞雷波频散曲线信息反演得到近地表地层的介质参数,其收敛精度和收敛范围明显优于其他优化算法,具有较强的应用前景.

     

微动多阶瑞雷波SPAC系数反演方法及应用研究

为充分利用微动信号中基阶和高阶模式瑞雷波,本文研究了基于多阶瑞雷波SPAC系数直接反演的方法.该方法首先基于地层介质响应计算多阶瑞雷波的能量占比,考虑实际观测台阵有限台站个数对SPAC系数影响,正演计算多阶瑞雷波SPAC系数,再采用快速模拟退火算法对其反演以获得地下介质横波速度结构.在此基础上,本文通过数值模拟验证该方法的可靠性,分别选取三种典型地质模型,基于模式叠加算法合成理论微动信号,采用本文方法计算其理论多阶瑞雷波SPAC系数并反演,给出反演结果与真实模型对比.我们将该方法应用于上海中心城区的地质调查中,通过与钻探结果对比,进一步验证该方法的有效性.本文理论与实际应用研究表明,基于多阶瑞雷波SPAC系数直接反演的微动探测方法有助于提高反演结果的可靠性,尤其对含软硬夹层的复杂地层介质,可提高探测精度.

     

微动多阶瑞雷波SPAC系数反演方法及应用研究

为充分利用微动信号中基阶和高阶模式瑞雷波,本文研究了基于多阶瑞雷波SPAC系数直接反演的方法.该方法首先基于地层介质响应计算多阶瑞雷波的能量占比,考虑实际观测台阵有限台站个数对SPAC系数影响,正演计算多阶瑞雷波SPAC系数,再采用快速模拟退火算法对其反演以获得地下介质横波速度结构.在此基础上,本文通过数值模拟验证该方法的可靠性,分别选取三种典型地质模型,基于模式叠加算法合成理论微动信号,采用本文方法计算其理论多阶瑞雷波SPAC系数并反演,给出反演结果与真实模型对比.我们将该方法应用于上海中心城区的地质调查中,通过与钻探结果对比,进一步验证该方法的有效性.本文理论与实际应用研究表明,基于多阶瑞雷波SPAC系数直接反演的微动探测方法有助于提高反演结果的可靠性,尤其对含软硬夹层的复杂地层介质,可提高探测精度.     

基于EMD的瑞雷波信号提纯新方法

为了能够从地震勘探记录中提纯出瑞雷波信号,基于信号经验模态分解的自适应特征,将经验模态分解应用到瑞雷波信号提纯研究中。介绍了瑞雷波勘探实测信号的经验模态分解计算过程,通过仿真实验及工程实例,说明经验模态分解能够有效应用于瑞雷波的提纯,分析比较了经验模态分解提纯方法和其他方法的优缺点,认为经验模态分解方法具有可靠性和稳定性。提出下一步的研究方向是在经验模态分解后直接利用Hilbert变换求得信号的瞬时频率,从而求解出频散曲线。     

时间域波场重构反演（英文）

波场重构反演是一种改进的全波形反演理论。该反演方法通过将波动方程引入目标函数中拓宽了解的寻找空间,通过重构真实波场来计算模型梯度,大大提高了计算效率的同时还减弱了局部极小值的影响。但目前该理论基本在频率域进行,而频率域反演对计算内存的需求太高,并且很难应用到实际生产中。因此,本文将波场重构反演拓展到时间域,推导了时间域波场重构的增广方程,结合模型试算结果对波场重构的模型梯度进行了修改。数值实验表明,时间域波场重构反演准确性较高并且对低频信息具有良好的重建能力。     

基于Bi-LSTM网络的非线性映射多级井震匹配的地震反演方法研究（英文）

本文利用具有专用记忆细胞存储信息的双向长短时记忆网络（Bi-LSTM）的循环神经网络结构,用来表征测井和地震数据之间变化模式的深层次特征,通过非线性映射建立高频测井数据与低频地震数据之间的映射关系模型,将地震波形与低频段的测井曲线无限逼近,获得该尺度的非线性映射模型,再由此逐级向更高频段的测井曲线逼近,最终形成了基于Bi-LSTM网络的非线性映射多级井震匹配的地震反演方法。该方法的特点是通过多级井震匹配处理,将地震数据逐级匹配到与测井曲线相一致的尺度范围内,每一级匹配算子都能够稳定获取,从而有效克服在井震匹配过程中存在的两种资料尺度不一致、井旁道地震子波难以准确提取、多解性强等问题。模型测试及实际应用表明,该方法提高了反演结果的纵向分辨率,同时,砂体的边界和横向特征也得到了较好的保持,从而提高了薄层砂体预测的精度,取得了较好的实际应用效果。     

改进的等效半空间法及瑞雷波频散曲线反演

层状模型的理论频散曲线表明,层状模型表面瑞雷波同一频率对应的相速度具有多值特点,这就是所谓的瑞雷波多阶性. 面波的多阶性导致了实测频散曲线的复杂性,当地层中存在软弱夹层时这一问题尤为突出,从而给实测频散曲线的解释带来了困难. 本文从工程实用的角度出发,根据等效半空间理论,提出了一种计算理论频散曲线的新算法——改进的等效半空间法,避开了面波多阶性这一复杂问题. 由此方法计算得到的面波相速度并不同于某个具体阶数的面波,而是对多阶面波的综合反映. 按照改进的等效半空间法编制了拟合反演程序,并在工程中进行了运用,取得较好的效果.     

多模式瑞雷波频散曲线的粒子群反演方法研究

通常情况下对于瑞雷波频散特性的讨论和分析主要针对其基阶模式.实际上,对于某一给定频率,可能会有多个不同相速度满足频散方程,即存在高阶模式.为了获得更精确的横波速度信息,应适当地在反演过程中加入高阶模式的频散曲线.本文从简单的三层层状介质模型出发,利用频散函数的正演计算得到多模式的频散曲线,并采用改进的粒子群算法分别对基阶模式和多模式频散曲线进行反演.研究结果表明:多模式频散曲线的反演结果相对于基阶模式而言,可靠性和分辨率在一定程度上得到了很大的提高.     

基于结构张量算法的南海深水三维立体层析反演实例研究（英文）

本文首次将三维直角坐标系下导出的三维立体层析反演方法用于南海深水三维实际数据的偏移速度建模。三维立体层析反演的成功应用依赖于射线参数水平分量的正确提取以及则化项的正确实施,二者缺一不可。本文首先通过结构张量算法实现了对三维立体层析数据空间中最重要的数据分量:射线参数水平分量的高效率提取;其次,由于海洋三维数据具有炮线间距较大同时垂直于炮线方向的射线参数水平分量无法得到的特殊性,强化了规则化项的应用,最终够保证了算法的稳健收敛,反演得到的模型可以很好的服务于叠前深度偏移。基于三维理论数据与南海某实际三维数据的数值实验证实了算法以及实现策略的稳健性和可靠性。     

基于重加权反演评价重力梯度异常各分量（英文）

重力梯度反演中,了解重力梯度各分量在反演中发挥的作用,从而选择合适的分量组合非常重要。基于前人对重力梯度各分量的信息特征的研究,本文提出了一种重加权反演方法来评价单一重力梯度分量对反演结果分辨率的影响。这种方法仅用到了正则化方程中的拟合函数,并引入深度加权函数克服重力梯度反演中的"趋肤效应"。本文对比了不同的反演结果,验证了深度加权函数对反演结果的影响。基于避免引入先验信息这一前提,文中选择灵敏度矩阵构建的深度加权函数。基于单一长方体模型和复杂模型试验的反演结果表明不同分量对反演结果分辨率的影响在不同方向存在差异。此外,在两种模型数据中加入不同水平的随机噪声,得出结果与无噪声模型反演结果基本一致。最后,本文方法在美国路易斯安娜州文顿盐丘的实际数据得到了应用。     

利用Extrapolation Tikhonov正则化算法进行重力梯度三维密度反演（英文）

本文利用Extrapolation Tikhonov正则化算法处理重力梯度数据三维密度反演的线性不适定问题。与Tikhonov正则化方法相比,Extrapolation Tikhonov正则化方法减小了因正则化参数的引入而带来的反演结果误差,提高了预测数据与观测数据之间的拟合精度。同时为了消除位场数据反演时位置函数快速衰减对反演结果的影响,本文提出了基于重力梯度全张量特征向量法的深度加权函数,模型试验证明了该深度加权函数能有效识别异常体密度分布特征。对澳大利亚Kauring地区实测重力梯度数据进行反演,并和已有研究成果对比分析。结果表明该反演方法能够较好的获取地下异常体的密度分布信息。