基于柯西分布约束和快速近端目标函数优化的三维重力反演方法

优化算法的选取在很大程度上影响着三维重力反演的计算效率,从而制约着三维重力反演的实用性.在复杂地质构造背景下,不同岩性单元之间可能会发生物性突变,产生尖锐边界.为此,本文提出了一种新的基于柯西分布约束和快速近端目标函数（Fast Proximal Objective Function,FPOF）优化的三维重力反演方法.FPOF优化方法的一个突出特点是在每一步迭代过程中逐一计算剖分网格内的未知密度参数,因此,有较低的计算复杂度和较高的计算效率.此外,目标函数中柯西范数（Cauchy norm）的引入会对反演结果施加稀疏性,有助于产生块状效果.理论模型测试表明,本文方法不仅能产生更加聚焦的反演效果,而且反演所需的时间也比传统的共轭梯度优化方法少.最后将本文方法应用于我国西部某地区实际重力数据,反演结果与已知的地质信息有较好的一致性.

     

基于q-高斯分布和零阶最小熵正则化的三维重力聚焦反演

观测的重力数据通常含有误差,传统的三维重力反演方法假设数据残差服从高斯分布,数据误差的大小和可靠估计对于三维重力反演的精度和可靠性是非常重要的.在模型正则化方面,传统的三维重力反演主要是基于Tikhonov正则化理论来获得稳定解,但是当地下密度异常体存在尖锐边界时,基于L2范数正则化的三维重力反演得到的密度异常体边界比...