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。