龙门山地区介质密度的卫星重力数据反演

利用重力异常反演地球内部的介质密度分布,是研究地球内部精细结构的有效方法之一,这里利用EIGEN-6C2超高阶卫星重力场模型,计算龙门山地区的自由空间重力异常、布格重力异常以及剩余重力异常,在此基础上,基于Parker-Oldenburg模型以及粒子群算法反演该地区的三维介质密度分布,发现反演结果与Crust1.0密度模型所提供的结果基本一致,结果说明,使用Parker-Oldenburg模型结合粒子群算法反演地壳的三维密度分布,具有可行性和实用性。     

混沌人工鱼群算法在重力坝材料参数反演中的应用

首先介绍了一种随机搜索优化方法-人工鱼群算法（AFSA）,同时根据混沌（CHAOS）的遍历性和随机性等特点,将混沌系统和人工鱼群算法相结合形成了一种新的融合优化算法-混沌人工鱼群算法（CAFSA）。将混沌人工鱼群算法应用到混凝土大坝材料参数反演中。经算例分析表明,与人工鱼群算法相比较,混沌人工鱼群算法具有收敛快、效率高和结果精度高等优点。从而为解决类似的系统优化和参数识别问题提供了一种新的方法。     

基于粒子群算法的重力张量反演研究

重力梯度张量的定义是对重力位求二阶导数,相比于传统的布格重力异常,它在反映地下密度异常分布上有着更高的灵敏度,且能够进一步准确直接地反映目标体的边界.但对单个张量分量作反演时,可能会丢失一部份有用的信息,从而造成反演结果的误差.而全张量反演是将重力的五个梯度张量联合起来进行反演,这样做可以综合更丰富的场源信息.相比于传统做法中的布格重力异常反演和单重力张量分量反演,得到的反演结果不仅有了更高的分辨率,在识别目标体特征上也有更好的效果.粒子群算法是一种基于群体智能的优化迭代算法,这里利用粒子群算法对重力张量单分量、布格重力异常和全张量分别进行反演,并对结果进行简要分析.     

三维重力资料反演

我们介绍两种三维空间密度分布重力资料反演方法。在第一种方法中，我们根据重、磁间的泊松关系将重力资料转换成伪磁力资料并用三维磁法反演算法进行反演；在第二种方法中，我们研制了直接反演方法，由重力资料直接反演出密度分布的极小结构模型。在以上两种方法，三维地质体由大量长方体元密度分布构成，每一体元中密度值为常数。     

重力及其梯度异常正演的Moving-footprint大尺度模型分解方法

重力及其梯度异常正演计算效率决定了反演的可行性,也是高效构建足量、多样深度学习样本数据的基础。为了进一步提高重力及其梯度异常正演的计算速度,受航空电磁领域“Moving-footprint”快速正演技术的启发,本文在基于网格点几何格架函数空间域快速正演的基础上,提出了一种“Moving-footprint”大尺度模型分解的重力及其梯度异常正演计算方法。此方法在地下半空间内选择观测点正下方一定有效范围的子空间,该观测点异常近似为其对应子空间内长方体单元的异常和,而忽略子空间外长方体单元产生的异常;当观测点移动,其对应的子空间随之移动,从而可以将地下半空间长方体模型进行大尺度模型分解,为每一个计算点所对应的子空间进行正演计算。模型实验表明,在256×256×15个长方体模型的地下半空间内选取32×32×15的子空间进行计算,重力异常及部分梯度异常的相对平均误差小于10%,计算速度提高19倍;文中方法针对1 024×1 024×15个长方体模型计算时间约为32 min,相比已有算法中存在的超常规计算量的瓶颈问题具有显著的计算优势。     

基于重力全张量数据的Parker-Oldenburg算法研究

相比重力数据,重力张量数据通常包含更多的异常信息。本文根据重力数据与重力张量数据的关系,利用位场转化技术,将重力张量数据应用于传统的Parker-Oldenburg密度界面反演算法中。通过模型试验,证明了在网格间距较大或者数据存在一定噪音时,使用本文算法进行反演能得到更好的效果。实验结果说明利用重力张量数据可以有效地提高密度界面反演的分辨率。     

人工鱼群算法瑞雷面波频散曲线反演研究

为了解决人工鱼群算法在瑞雷波频散曲线反演工作中收敛速度缓慢和易陷入局部极值等问题,笔者分析了经典人工鱼群算法的缺陷。借鉴遗传算法引入生存和竞争机制,并改进了视野和步长以及觅食行为机制。使用理论和实测瑞雷波数据研究了改进人工鱼群算法在近地表横波速度反演中的有效性和适用性。实验结果表明其可有效地运用于瑞雷波频散曲线反演中,具有简单高效、对初始参数要求低和不易陷入局部极值的优点。     

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。     

区域重力异常多尺度密度反演研究

重力测量观测得到的重力异常,反映的是不同深度和不同尺度异常源的叠加效应。在理论上,只有进行适当的异常分解,才能较为准确地反演异常体的物性与几何参数。这里首先对重力异常进行小波多尺度分解,再通过频谱分析求出各层对应的中心深度,然后确定各层的平均密度,用广义线性反演方法反演各层密度的扰动,进而得到各层的密度分布。通过塔里木盆地的重力异常的多尺度分析和密度反演应用实例,显示了多尺度反演方法对区域重力异常的有效性和应用价值。     

应用改进的遗传算法反演多层密度界面

利用具有全局优化功能的遗传算法直接反演多层密度界面.首先根据重力反演的特点对遗传算法进行改进, 使遗传算法基因交换过程中交换位置的确定同重力异常的拟合情况相结合, 给出适合于重力反演特点的遗传算法.然后利用改进后的遗传算法直接反演多层密度界面.理论模型和实际剖面的计算表明改进是有效的.      

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。     

改进人工鱼群算法在边坡稳定性分析中的应用

人工鱼群算法是一种新的智能仿生算法。以瑞典条分法作为边坡稳定性分析模型,利用模拟退火算法对人工鱼群算法进行改进,提出了一种搜索边坡最危险滑动面及对应的最小安全系数的求解方法。该方法克服了传统优化方法容易陷入局部极值点的缺点,具有较高的计算精度,适用性强,搜索的最优解更具有全局性。最后通过工程实例进行计算,并与基本的人工鱼群算法、传统的计算方法以及GA算法进行对比分析,结果令人满意。      

基于GPU的任意三维复杂形体重磁异常快速计算

提出了基于图形处理单元的任意三维复杂形体的重磁异常快速正演计算方法。将地下半空间剖分为大小相等规则排列的一组长方体单元,任意三维复杂形体可以表示成很多不同体积和密度(磁性)的长方体的近似组合。用解析方法计算出所有这些长方体在计算点的重力(磁力)异常,并累加求和,就可以得到整个模型体在计算点引起的重(磁)异常值。为了提高近似程度,需将地下半空间剖分得很细,用传统的CPU串行程序计算相当耗时。GPU在处理能力和存储器带宽上相对CPU有明显优势,采用GPU并行算法,可大大提高计算速度。相关试验结果表明,用GPU实现的正演快速算法计算结果正确,效率明显提高,为重磁异常三维物性反演提供了基础。     

有限元重力任意复杂地形校正方法研究

提出了一种有限元重力任意复杂地形的校正方法,以解决重力勘探中地形改正问题。利用改进的有限元地形体正演模拟算法,计算任意地形条件下地下密度异常体在地表所引起的重力响应。研究结果表明,在任意复杂地形影响下,经过有限元地形校正后,重力响应曲线可更加直观地反映出地下密度异常体赋存状态,与模型设置相符,表明了该方法的有效性。     

基于人工鱼群算法和SCA等效理论的井中横波速度预测方法

在建立页岩岩石物理模型的基础上,根据等效自相容近似(SCA)岩石物理模型,构建出岩石的纵波速度、横波速度与岩石密度、组分和孔隙度等的定量关系,得出使理论纵波速度和实际纵波速度最接近的孔隙纵横比,进而将该孔隙纵横比作为约束条件来实现横波速度预测。反演算法利用人工鱼群算法来计算最佳孔隙纵横比,并将预测的横波速度与实际测得的横波速度对比,证明了人工鱼群算法的有效性。     

东北地区地壳密度模型反演

基于东北地区满洲里—绥芬河和内蒙古东乌珠穆沁旗—辽宁东沟两条地学断面研究所给出的、固定台站接收函数所 得到的以及其它深地震探测所获得的莫霍面深度值,在给定参数搜索范围、适当的初始温度等条件下,用小波分析所提取 的反映莫霍面起伏的 4 阶逼近重力异常作为反演的约束条件,利用模拟退火算法(SA),反演了该区域地壳内密度随深度变 化的指数分布函数,得出地壳表层与地幔的密度差为 -0.9g·cm-3,衰减系数为 0.02。通过与由地震纵波波速转换而来的地 壳内密度结构的对比,表明本文反演出的密度指数模型可以很好地反映地壳密度的纵向变化。     

基于并行预处理算法的三维重力快速反演

随着地球物理设备和探测技术的不断发展,快速处理大规模地球物理数据的需求也随之增长。为了解决三维重力数据密度反演的耗时问题,提出一种并行的预处理共轭梯度算法来提高计算效率。本文分别采用两种不同的预处理算子通过组合模型数据反演进行测试比较,并利用迭代残差和计算用时共同评价其加速效果。结果表明：对称逐次超松弛预处理方法比对角预处理方法反演计算速度快,密度结果更贴近实际模型;与传统串行的共轭梯度算法相比,本文并行预处理快速算法可以获得近19倍的加速比。将该算法应用于美国Vinton盐丘的实测重力数据中,反演结果能够很好地圈定出岩体的位置,验证了本文并行预处理共轭梯度法在三维重力数据快速反演中的高效性和可行性。     

棱柱体重力异常的功率谱反演

本文提出一种由棱柱体产生的重力异常的模拟与反演方法，上述问题在波数域已到得了解决。在波数域解重力正问题，此时，功率谱可表述为深度，厚度，水平尺寸和棱柱体的密度的函数，场源的几何形状和密度为初值，用迭代沿脊回归算法求出反演结果，这种方法已用几个数值模拟和野外实际数据频谱来评价。重力源的质量结果与前人结果类似。     

基于粒子群优化的细胞神经网络油气重力异常信息提取

细胞神经网络方法是一种有效的重力异常提取方法,提取出的重力异常信息具有较强的横向分辨能力,但如何训练优化模板是影响该方法提取精度的关键所在。笔者引入粒子群优化算法进行参数优化,结合细胞神经网络和粒子群方法各自的特点,通过细胞神经网络动态性能分析,对模板加入约束条件,并在粒子群算法中引入收缩因子,提出一种基于改进的粒子群优化的细胞神经网络算法。使用该方法进行了模型验证和实际资料处理,处理结果表明,该方法提高了重力异常提取的稳定性,能够更准确地提取油气藏重力异常信息。     

任意密度分布复杂地质体重力异常快速三维正演方法

解决任意密度分布复杂地质体重力异常三维正演快速、高精度计算问题,是实现重力三维反演、人机交互解释建模的关键。针对该问题,从积分方程出发,提出一种波数域重力异常三维正演方法,其关键环节包括三个方面:(1)将研究区域剖分成许多规则小棱柱体,每个小棱柱体密度值可以任意给定,以此刻画任意密度分布和起伏地形条件下的复杂地质体;(2)给出一种新的高精度均匀棱柱体重力异常二维波数域的计算公式,用于计算组合棱柱体模型的重力异常;(3)采用Gauss-FFT法将重力异常从波数域转换到空间域,保证计算效率的同时,有效克服了传统FFT法引起的边界效应问题。模型算例检验结果表明,该算法计算速度快、精度高,对于剖分为百万个棱柱体的模型,耗时只需几秒。