本文主要针对当前磁法勘探中高精度处理解释的需求,对强磁性体ΔT异常计算存在的误差进行分析研究.我们首先通过理论模型计算试验,证明常规计算采用的投影关系的ΔT与实际测量的模量差ΔT之间的误差E在磁异常幅值大时是明显存在的,其影响不容忽视.其次,当磁性强且剩磁存在时,投影ΔT曲线及其误差曲线在磁化方向与地磁场方向改变时具有一定的对称性;地磁场T0、磁性体形态(如二度水平圆柱体模型的半径r、柱体埋深R)和磁性参数(如磁化率κ)等参数确定的情况下,最大误差值出现在磁性体正上方,且其大小与磁性参数(κ)和模型体规模(如r/R)之间皆是指数关系;另外,研究还发现ΔT的计算误差曲线的一些其他规律特点,如在各纬度带上,ΔT计算误差的最大值Emax曲线的极值主要分布在中纬度地区;磁异常矢量 T a与地磁场 T 0的夹角θ逐渐变化时,随θ变化Emax曲线的极值分布在θ=90°~120°范围内;当磁异常幅值小于10000 nT时,最大误差近似为磁异常矢量垂直于地磁场方向的测点附近的误差值;另外,磁性体(圆柱体为例)的半径(即尺度)与埋深的比值r/R超过0.5,且磁化率超过0.1SI时误差已达到3.9 nT,磁化率增大与对应的Emax的值呈指数增长特点.因此,我们的研究表明,在强磁性体、磁异常幅值大的数据处理、反演及解释时,现有方法会产生较大的误差,应该基于严格的模量差ΔT,完善相应的处理以及反演方法. 相似文献
瞬变电磁一维反演方法对初始模型依赖大,对异常体边界反映不清晰,计算速度也难以达到实时化水平.为此,本文开展基于深度学习的瞬变电磁实时反演方法研究,提出在非观测时间段进行反演训练,而在观测时间段进行实时精细成像的瞬变电磁长短时记忆网络反演策略.以正演模拟获得的海量采样时间-视电阻率为输入数据,基于长短时记忆网络构造Seq2seq编码器-解码器模型,并针对瞬变电磁反演的问题特性,对decoder的结构进行适应性更改,同时加入Bahdanau Attention机制突出重点信息作用,获得深度-电阻率输出数据.将该反演网络应用于随机生成的数万组以上三层和五层地电模型,测试组三大衡量指标标准差均小于10%,验证了本文算法的可靠性,在此基础上,构建了接近实际的两组含局部异常体模型,将该反演网络进一步用于三维数值模拟数据,取得了对异常体边界反映清晰的成像结果,且计算速度均小于1 s.