二维波动方程速度的正则化-同伦-测井约束反演

针对二维波动方程反问题,将大范围收敛的同伦方法引入速度参数的反演过程中,并将其与求解不适定问题的Tikhonov正则化有机结合,提出了一种新的、特别适用于非线性的、不适定的、多极值的地震勘探反演问题的反演策略：正则化－同伦方法. 为了充分利用测井资料和地震资料的互补特征,进一步提高反演分辨率并压制噪声,设计了正则化-同伦－测井约束联合反演方法. 大量数值试验结果表明了这两种方法的有效性.     

量子退火反演的原理和实现

现有的非线性反演方法,大都存在着求解的局部收敛性和计算速度慢的问题. 在与模拟退火方法进行比较的基础上,本文研究了基于量子跃迁过程中量子隧道效应的量子退火反演算法. 数值试验结果表明,量子退火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,与模拟退火反演相比,量子退火反演在退火收敛速度和避免陷入局部极小等方面有着一定的优势,该方法也适用于其他领域非线性最优化问题的求解,具有较强的普适性.     

测井约束地震波形反演的同伦摄动法

测井数据和地震数据是地震勘探中两种最重要的资料. 测井约束地震波形反演是在非线性波形反演的基础上,利用已知测井资料详细的垂直分辨能力和地震资料均匀密集的水平采样特点, 通过迭代反演来求取一个具有较高分辨率的速度参数.本文建立了测井约束反演模型,研究了测井约束下地震波形反演的同伦摄动求解方法.同伦摄动法作为一种新的、求解数学物理中各种非线性问题的有效方法,具有计算速度快、计算精度高的优点.这对于提高反演的精度和效率是十分有益的. 为了表征该方法的有效性和稳定性,分别对水平层状介质模型和逆冲断层带模型进行了数值模拟,并与Landweber迭代法相对比,结果表明该算法具有更好的收敛性,能够取得更为满意的反演效果.     

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.     

重磁电震联合反演研究进展与展望

重磁电震等地球物理勘探成果的联合反演是解决复杂地质问题所用的综合地球物理解释方法,是目前可信的定量的综合地球物理解释技术,是联合应用多种地球物理信息,通过反演地质体的岩石物性和几何参数来求得同一个地下地质和地球物理模型的技术.本文综述了从上世纪80年代以来,地球物理场联合反演技术取得的长足发展,主要表现在两个方面:一是在地球物理场综合应用基础上,发展了两两地球物理参数之间互为约束的反演的技术,二是是反映了联合反演计算方法的进步,如线性与非线性反演比较、反演方法选择等.综述了联合反演的思路与对策,提出了联合反演的发展方向.     

粒子滤波非线性AVO反演方法

提出一种新的AVO非线性反演方法,即利用粒子滤波器来求解AVO非线性贝叶斯反演问题,利用随机带权样本逼近后验概率.论文首先论述了粒子滤波器的基本原理,包括状态转移模型与观测模型,权值预测与更新,重要性密度采样等粒子滤波器应用中的关键技术.然后建立了适合于AVO反演的粒子滤波器状态转移模型和观测模型.最后,利用该方法分别对模型数据和实际资料进行了反演计算.反演结果表明,该方法具有较好的稳定性,在AVO反演中具有的一定的应用潜力.同时对地球物理反演的其他问题求解也提供了一条新的途径.     

一种新的地球物理反演方法——模拟原子跃迁反演法

详细研究了一般地球物理反问题的迭代优化求解过程与物理学中原子跃迁过程的对应关系,建立了反演问题中模型空间、初始模型、局部极值模型、最优化模型等与原子的态空间、定态、激发态、基态等的对应关系. 在此基础上,模拟了物理学中原子从激发态向基态跃迁的物理过程,建立了一种与原子跃迁过程相对应的非线性随机跃迁数学模型和模型解跃迁搜索准则,导出了适用于一般地球物理资料的模拟原子跃迁的非线性反演算法. 用理论测试函数对这种新的反演方法进行了数值试验,结果表明该方法具有解不依赖于初始模型、收敛速度快等优点.     

山体表面重构数值反演的同伦算法

本文主要研究山体表面重构过程.山体表而重构主要包括地球内部热流变化和地球表面运动规律两个过程,是三维对流扩散方程和二维山体表面运动方程的耦合,求解十分困难.为了模拟山体表面重构过程,还要对耦合方程进行反演研究,是一个大尺度非线性优化问题.为了克服对于初值的强烈依赖和非线性优化中存在的多极值难点,我们将同伦反演算法应用到...     

统计模拟在解地球物理反问题上的应用

本文提出了一个求解地球物理反问题的简易算法。在假定未知的干扰参数矢量的分量与模型场非线性相关的前提下,使用统计模拟进行正演。直接在参数空间研究这种非线性相关,得到了一种特殊的线性逼近算法,进而获得了较为理想的解。解的估值的可靠性可以统计预测,这样能够合理地选取含有用信息最多的测点进行反演。该方法尤其适用于求解许多典型的地球物理勘探反问题。本文列举了一个重力勘探的实例。     

地球物理联合反演研究综述

地球物理联合反演由于使反演问题的非唯一性得到有效限制而越来越受到人们的重视。本文概述了联合反演的发展现状及实现的方法，并讨论了其发展趋势及其局限性，指出地球物理联合反演是地球物理数据分析的理想工具，而非线性联合反演方法则是地球物理联合反演发展的方向。     

地球物理随机联合反演

基于场方程的地球物理联合反演隐含着两个基本过程:正演的联合与反演的联合。当用遗传算法解决这类问题时,它蕴含着一个反演的随机联合的过程,称之为随机联合反演。借鉴模拟退火和禁区搜索方法的思想,通过对遗传操作对象、操作过程以及迭代过程的改进,使改进后的遗传算法表现较快的收敛速率和良好的全局收敛性;通过模型数据的反演,从理论上证明改进的遗传算法能较好地解决非线性、复杂、大尺度离散反问题,使随机联合反演问题的解决成为可能。     

非线性反演方法的新进展

线性方法在许多具体反演问题中遇到困难的情况下，人们提出了非线性方法，同时，计算技术的发展为非线性方法的应用提供了基础。最近几年，人们对非线性方法又进行了改进和发展，例如：Vasco(1993)提出了集合推论的思想；Sambridge(1995)基于Voronoi单元的思想，提出了自然相邻对不规则数据参数化和插值的方法，相邻算法正是基于以上思想和理论，以及其他非线性方法的实践而提出的一种新的非线性反演方法。     

Towards non-linear inversion for characterization of time-lapse phenomena through numerical modelling

We compare two geophysical survey measurements of the same type made at different times in order to characterize the change in the geological medium during the elapsed time. The aim of this study is to develop a strategy using a full non-linear inversion algorithm as the interpretation tool. In this way, not only the location and the form of the changes are recovered, but also the changes in the material parameters of the geological medium can be estimated. In order to solve this fully non-linear problem, the so-called ‘multiplicative regularized contrast source inversion’ (MR-CSI) method is employed. The unique property of this iterative method is that it does not solve the forward problem at each iterative step. This makes it possible to use the non-linear inversion algorithm for large-scale computation problems. The numerical results show that by taking into account the non-linear nature of the problem, interpretation of the time-lapse data can be significantly improved, compared with that obtained using linear inversion.     

ABP法在高密度电阻率法反演中的应用

非线性反演方法作为地球物理反演的一个重要分支,在地球物理反演中发挥着特有的作用.近年来学者对非线性联合反演研究较多,但目前仍未有实质性的研究进展;本文尝试利用BP(Back Propagation)神经网络优化方法与蚁群算法联合演算,实现高密度电阻率法的电阻率二维非线性反演.通过两组模型的结果比较,BP与ABP 法的反...     

地球物理资料群体智能反演(英文)

复杂地球物理资料的反演问题往往是一个求解多参数非线性多极值的最优解问题。而鸟和蚂蚁等群体觅食的过程,正好与寻找地球物理反演最优解的过程相似。基于自然界群体协调寻优的思想,本文提出了交叉学科的群体智能地球物理资料反演方法,并给出了其对应的数学模型。用一个有无限多个局部最优解的已知模型对该类方法进行了试验。然后,将它们应用到了不同的复杂地球物理反演问题中:(1)对噪声敏感的线性问题;(2)非线性和线性同步反演问题;(3)非线性问题。反演结果表明,群体智能反演是可行的。与常规遗传算法和模拟退火法相比,该类方法有收敛速度相对快、收敛精度相对高等优点;与拟牛顿法和列文伯格一马夸特法相比,该类方法有能跳出局部最优解等优点。     

电阻率成像反演中的模拟退火方法

电阻率成像反演是一种典型的多参数、非线性反演问题。模拟退火方法将组合优化问题与统计力学中的热平衡问题相类比,开辟了求解组合优化问题的新途径。本文通过数字模拟及对野外资料的处理,证明快速模拟退火方法在二维电阻率成像反演中具有较好的应用前景。     

基于局部相关性约束的三维大地电磁数据和重力数据的联合反演

为解决地球物理反演中多解性的问题,综合多种地球物理信息的联合反演受到了广泛的关注.本文依据不同地球物理响应可能由相同异常体引起,而不同地球物理分布参数之间存在相关性等特点,提出了一种基于局部Pearson相关系数约束的联合反演方法.该方法假设每个局部区域模型参数的分布具有线性相关特性,在拟合不同类型观测数据时,对局部模型参数施加相关性约束,进行联合反演以减少多解性.本文采用交替迭代联合反演流程,改善了同一目标函数下联合反演收敛性和速度问题.基于新的联合反演方法和流程,我们测试了三维大地电磁和重力仿真数据的联合反演.结果表明,本文提出的基于局部相关性约束的联合反演方法,能充分利用大地电磁和重力观测数据信息,有效改善单一地球物理反演收敛性和多解性的问题,反演效果得到明显提升.     

非线性二次规划贝叶斯叠前反演

叠前反演的目的是基于弹性波理论从地震数据中获得地层参数的可靠估计,进而用于描述地层的流体和岩性特征.然而叠前反演问题都是高维的和非适定的,并且容易受各种噪声和采集过程中不确定因素的影响,因此,为了获得稳定可靠的解必需对反演过程加以合理的约束.本文提出了一种基于非线性二次规划的叠前三参数反演方法.首先基于贝叶斯参数估计理论,假设似然函数服从高斯分布,并使待反演的参数服从于改进的Cauchy分布,从而提高了反演结果的分辨率;其次用协方差矩阵来描述参数间的相关程度,进一步提高了反演结果的稳定性;最后将问题转化为一个非线性二次规划的求解问题,并在多种约束下得到问题的解.仿真实验和实际应用皆已表明,本文提出的反演方法运算速度快捷,既使在信噪比很低的情况下也可获得较好的反演结果,为储层的进一步识别提供更多的物性参数.     

Using orthogonal Legendre polynomials to parameterize global geophysical optimizations: Applications to seismic-petrophysical inversion and 1D elastic full-waveform inversion

We use Legendre polynomials to reparameterize geophysical inversions solved through a particle swarm optimization. The subsurface model is expanded into series of Legendre polynomials that are used as basis functions. In this framework, the unknown parameters become the series of expansion coefficients associated with each polynomial. The aim of this peculiar parameterization is threefold: efficiently decreasing the number of unknowns, inherently imposing a 1D spatial correlation to the recovered subsurface model and searching for maximally decoupled parameters. The proposed approach is applied to two highly non-linear geophysical optimization problems: seismic-petrophysical inversion and 1D elastic full-waveform inversion. In this work, with the aim to maintain the discussion at a simple level, we limit the attention to synthetic seismic data. This strategy allows us to draw general conclusions about the suitability of this peculiar parameterization for solving geophysical problems. The results demonstrate that the proposed approach ensures fast convergence rates together with accurate and stable final model predictions. In particular, the proposed parameterization reveals to be effective in reducing the ill conditioning of the optimization problem and in circumventing the so-called curse-of-dimensionality issue. We also demonstrate that the implemented algorithm greatly outperforms the outcomes of the more standard approach to global inversion in which each subsurface parameter is considered as an independent unknown.