储层重力密度反演后验约束正则化方法

本文针对蒸汽辅助重力泄油(SAGD)生产中开发监测问题,发展了综合应用地震及重力数据反演储层密度的联合反演算法.通过测井数据建立纵波阻抗与密度的直接关系,并推导出这种关系下重力与纵波阻抗数据联合反演的计算方法,从而计算出蒸汽腔体密度分布规律.文中应用密度反演后验约束正则化方法,采用Tikhonov正则化模型,通过波阻抗数据作为约束进行联合反演,在算法上提高了稳定性,同时得到较高的反演精度.文中对SAGD生产中的理论模型进行了方法试算,并分析了算法的误差,最终应用于SAGD生产的实际数据中,通过最终反演结果分析,该方法取得了很好的应用效果.     

L1范数约束被动源数据稀疏反演一次波估计

对于被动源地震数据,运用常规的互相关算法得到的虚拟炮记录中,不仅含有一次波反射信息,还包括了表面相关多次波.然而,通过传统的被动源数据稀疏反演一次波估计(EPSI)方法,可以求得只含有一次波,不含表面相关多次波的虚拟炮记录.本文改进了传统的被动源数据稀疏反演一次波估计问题的求解方法,将被动源稀疏反演一次波估计求解问题转化为双凸L1范数约束的最优化求解问题,避免了在传统的稀疏反演一次波估计过程中用时窗防止反演陷入局部最优化的情况.在L1范数约束最优化的求解过程中,又结合了2DCurvelet变换和小波变换,在2DCurvelet-wavelet域中,数据变得更加稀疏,从而使求得的结果更加准确,成像质量得到了改善.通过简单模型和复杂模型,验证了本文提出方法的有效性.     

空间归一化边界识别方法用于判断地质体的水平位置及深度(英文)

边界识别是重磁数据解释中的常用方法之一,依据其结果可划分出地质体的水平范围。边界识别结果受地质体埋深及导数计算误差的影响所识别边界与真实边界之间存在一定的差距,且边界识别法无法直观地给出地质体的深度信息。为了获得异常体的水平位置和深度信息,本文提出空间归一化边界识别方法,其对不同深度的边界识别函数进行归一化计算,空间归一化边界识别法的最大值对应于异常体的水平位置和深度。常规边界识别结果的误差随理深的减小而减小,而空间归一化边界识别法是通过最大值来判断地质体的位置,最大值是在地质体处获得,因此归一化边界识别方法所获得的结果是准确的。通过理论模型试验证明归一化边界识别方法能有效地完成异常体的水平位置和深度的计算,所获得的水平位置和深度信息与理论值相一致,为下一步的勘探计划提供了更加可靠的依据。将其应用于实际航磁数据的解释,获得了断裂的具体分布形式。     

The four dimensional variational data assimilation with multiple regularization parameters as a weak constraint (Tikh-4D-Var) and its preliminary application on typhoon initialization

Traditional variational data assimilation (VDA) with only one regularization parameter constraint cannot produce optimal error tuning for all observations. In this paper, a new data assimilation method of “four dimensional variational data assimilation (4D-Var) with multiple regularization parameters as a weak constraint (Tikh-4D-Var)” is proposed by imposing different regularization parameters for different observations. Meanwhile, a new multiple regularization parameters selection method, which is suitable for actual high-dimensional data assimilation system, is proposed based on the posterior information of 4D-Var system. Compared with the traditional single regularization parameter selection method, computation of the proposed multiple regularization parameters selection method is smaller. Based on WRF3.3.1 4D-Var data assimilation system, initialization and simulation of typhoon Chaba (2010) with the new Tikh-4D-Var method are compared with its counterpart 4D-Var to demonstrate the effectiveness of the new method. Results show that the new Tikh-4D-Var method can accelerate the convergence with less iterations. Moreover, compared with 4D-Var method, the typhoon track, intensity (including center surface pressure and maximum wind speed) and structure prediction are obviously improved with Tikh-4D-Var method for 72-h prediction. In addition, the accuracy of the observation error variances can be reflected by the multiple regularization parameters.     

融合多源重力数据的Tikhonov正则化配置法

针对最小二乘配置法在融合处理多源重力数据过程中可能出现的病态性问题,特别引入Tikhonov正则化方法,对配置法计算模型进行正则化改造,建立了相应的正则化配置模型。使用EGM2008位模型模拟产生航空重力和海面船测重力数据进行了融合处理仿真实验,实际验证了正则化处理方法的有效性。     

地基沉降预测模型的正则化算法

通过分析地基沉降预测模型,指出最小二乘的病态性会导致模型参数求解失败。应用正则化理论,基于矩阵求逆理论,提出了一种沉降预测模型参数的正则化无偏估计算法,说明了新算法的无偏性和方差最小性。在一定条件下,证明了新算法中正则参数的存在性,并给出了正则参数的计算公式。结合文献和工程实例进行的分析表明,新算法降低了矩阵条件数,减轻矩阵病态程度,能有效求得地基沉降预测模型参数。     

病态加权总体最小二乘靶向病灶的正则化方法

病态EIV模型的病灶源于设计矩阵的部分数据列之间存在复共线性关系。针对病灶特点制定正则化策略,在克服病态性的同时尽量减小正则化过程所引起的副作用,提出靶向病灶的正则化方法。通过数值试验,与总体最小二乘方法、病态总体正则化方法等进行比较,结果表明靶向病灶的正则化方法最优。     

利用GOCE卫星观测数据反演地球重力场模型

利用GOCE卫星约6个月的重力梯度数据和约1 a的几何轨道数据,联合解算250阶次的地球重力场模型TJGOCE01。GOCE重力梯度数据的低频误差采用ⅡR数字滤波器处理,粗差采用阀值法和移动窗口阀值法组合探测与剔除。直接在梯度仪坐标系中建立GOCE卫星的重力梯度观测方程,采用改进的短弧边值法建立几何轨道观测方程。两类观测值的权根据其先验精度确定,采用Kaula规则约束的正则化方法解算法方程。解算的TJGOCE01模型相对于EIGEN6C2模型在250阶次的大地水准面误差和大地水准面累积误差分别为19.4 mm和177.9 mm。北美地区GPS水准观测数据的检验结果表明,TJGOCE01模型的中误差为0.544 m,略优于欧空局公布的同阶次的第二代时域法和空域法解算的GOCE重力场模型。     

基于正则化的GPS/BDS单频单历元模糊度固定

针对单频单历元模糊度固定中的秩亏问题,给出一种基于双差载波系数阵奇异值分解的正则化方法。通过对坐标改正参数进行约束,改善法矩阵的病态性,并结合LAMBDA方法实现单历元模糊度固定。采用长度不同的两组GPS/BDS基线数据进行单频单历元模糊度解算,并与选权拟合法比较。结果表明,采用该方法,5.8 m基线BDS系统模糊度解算成功率提高17.61%,2.34 km基线GPS、BDS及GPS/BDS模糊度解算成功率分别提高4.67%、3.56%和3.63%。当截止高度角为10°时,E、N方向定位精度达到mm级,U方向达到mm至cm级。