中心回线瞬变电磁法和直流电测深资料一维Occam联合反演

瞬变电磁方法对高阻层反应不灵敏,一维反演会带来一些虚假构造信息,为提高瞬变电磁反演的精度,将中心回线瞬变电磁的视电阻率数据和直流电测深视电阻率数据联合起来进行反演,应用Occam方法找到拟合观测数据的最平滑模型。结果表明联合反演能有效消除单一方法存在的一些缺陷,并具备一定的抗干扰能力,较好地还原了五层模型算例中的高阻目标层和低阻目标层,联合反演显著地改善了反演效果。     

基于量子行为粒子群算法的航空瞬变电磁拟二维反演技术

传统的确定性反演算法严重依赖初始模型,易陷入局部极小值中,导致最终反演结果偏离真实模型。粒子群(PSO)算法作为一种随机性反演算法,具有较强的跳出局部极小值的能力,但是仍存在早熟收敛和收敛速度慢等问题,限制了该算法在二、三维电磁反演中的发展。针对上述问题,首先提出采用量子行为粒子群(QPSO)算法代替传统粒子群算法,将量子在势阱中运动规律引入到粒子群算法中,使得粒子可以出现在势阱内任何存在概率分布的位置上,有效地克服了由于群体的聚集性所导致的早熟收敛问题。此外,采用拟二维反演算法代替传统二维反演算法,使得反演模型参数维度下降,寻优过程中局部极小值个数将大幅度减少,显著提高粒子群算法的收敛速度,但是在粒子群中开展拟二维反演时,传统的正则化参数的寻优过程将浪费大量计算资源。结合量子行为粒子群算法中各测点的全局最优粒子在粒子群进化过程中的重要地位,采用α-Trimmed方法开展相邻点间全局最优粒子模型参数光滑约束,实现粒子群算法快速横向约束反演。最后将量子行为粒子群算法拟二维反演技术应用到含噪全航空瞬变电磁仿真数据处理中,反演结果与原始模型具有较好的一致性。     

基于全区视电阻率的中心回线瞬变电磁快速成像研究

基于中心回线瞬变电磁正演理论和全区视电阻率定义,通过数值计算的方法求取了全区视电阻率.为避开感应电动势求解早晚期视电阻率的跳跃性,采用瞬变电磁场求解全区视电阻率得到精度较高且连续的全区视电阻率.快速成像采用烟圈反演和快速一阶与二阶近似成像两种反演方法,进一步对比分析了这两种方法各自的优缺点,尤其二阶近似成像能很好地反映...     

斜阶跃场源关断时间对测量结果的影响及校正研究

论文推导了斜阶跃场源激励下,采样延时零时刻在发射电流关断起始点的高阻围岩中导电球体、不导电基底上水平薄板和均匀导电半空间的瞬变响应解析式,分析了发射电流关断时间对三种模型全程瞬变响应的影响。根据均匀半空间瞬变响应解析式,讨论了斜阶跃场源激励下的磁场、感应电压与全程视电阻率的对应关系,提出了一种全程视电阻率直接计算方法。此方法将发射电流关断时间作为系统参数参与视电阻率的计算,无需关断效应校正,可以方便地直接计算出中心回线装置下测量目标的全程视电阻率。理论模型及实例计算数据都证明了这种数值算法的可行性。由于斜阶跃场源技术的成熟,该算法具有一定的实用价值。     

基于“烟圈”理论的圆锥型场源瞬变电磁优化反演

针对瞬变电磁圆锥型场源装置,采用汉克尔变换和余弦变换数值滤波法对该场源和中心回线源瞬变电磁正演响应进行了计算.将"烟圈"反演结果转换到频率域作为初始模型,采用最小二乘正则化方法对反演结果进行了改进.以电阻率100Ω·m的均匀半空间模型对两种反演方法进行了验证,并在此基础上对2层、3层和4层典型地电模型开展了正反演计算.最后,在某矿集区开展了短剖面实验,并采用2种反演方法对实测数据进行了处理.研究结果表明:用最小二乘正则化方法改进后的反演电阻率更接近于模型电阻率,反演深度更接近层界面,具有一定的分层效果;其视电阻率拟合曲线与模型的重构误差在10-4~10-3范围内.对均匀介质模型开展的反演表明,改进后的反演电阻率与模型电阻率的相对误差约为0.2%,而"烟圈"反演的相对误差超过0.8%.     

PSBP在高密度电阻率法二维反演中的应用

针对神经网络算法在非线性反演中容易陷入局部极小、收敛慢、反演精度差等问题,提出了将粒子群优化(Particle swarm optimization)算法与BP神经网络(Back propagation neural networks)进行混合反演(简称PSBP)。最后,通过经典的地电模型对本文方法的有效性进行验证,结果表明,本文方法与线性反演方法、BP神经网络反演方法对比,具有明显的优势,并取得了很好的反演结果。     

钻孔瞬变电磁拟地震反演方法在露天煤矿采空区精细探测中的应用

露天开采煤矿地下存在大量小煤窑采空区,严重威胁煤矿生产安全和人员生命安全。受露天煤矿地表工作环境影响,常规物探手段探测采空区精度较差,而钻孔瞬变电磁探测是一种精度较高的探测方法,属于一种动源动接收的工作方法。为提高资料处理精度,应用滑动时窗波场反变换算法对数据进行高精度波场转换,采用共轭梯度法研究了针对瞬变电磁虚拟波场数据的拟声波介质全波形反演算法,实现了钻孔瞬变电磁数据的拟地震反演,计算了三维数值模型数据的反演结果,并对钻孔径向的小规模低阻异常体取得了良好的成像效果。结合山西朔州地区某露天煤矿的工程实践,对该方法精细探测积水采空巷道形态、性质和规模的实用性和有效性进行了检验。结果表明:钻孔瞬变电磁探测方法是矿井物探与钻探的有机结合与相互补充,拟地震反演方法能够有效应用于露天煤矿采空区的精细解释。     

近地表空间梯度瞬变电磁粒子群优化反演研究

空间梯度瞬变电磁测量方法利用以发射线圈为对称平面的两个同规格接收线圈信号相减,消除了一次场互感影响,使得早时段瞬变电磁响应得到精确测量,为近地表电性结构层探测提供技术支持。瞬变电磁法一维正演理论研究表明:相比于重叠回线装置,空间梯度瞬变电磁观测模式在早时段(1 ms内)记录具有优势,对近地表30 m深度范围内的介质地电参数变化反映更为灵敏。为实现近地表空间梯度瞬变电磁高精度反演,提出一种基于反向学习策略的自适应混沌粒子群算法(OBL-ACPSO)。利用该算法对理论模型的无噪和含噪瞬变电磁数据进行反演,结果表明,改进的算法显著提高反演精度,抗噪性能突出,为近地表空间梯度瞬变电磁数据的快速反演解释提供了新算法。     

基于正交投影的主动外观模型匹配算法

为了提高传统主动外观模型匹配算法的收敛速度,提出了一种基于正交投影的主动外 观模型匹配算法,该算法通过引入正交空间投影算法,将形状参数与纹理参数分别映射到不同 的线性子空间,并利用梯度下降算法依次求解形状参数与纹理参数.实验结果表明,该方法在保证精确度的条件下,提高了收敛速度.     

交叉粒子群算法在大地电磁反演中的应用

大地电磁粒子群算法反演属于非线性反演。在本文中,结合不同类型一维层状介质地电模型,介绍了大地电磁粒子群算法反演方法。在模型层数和参数增加、粒子维数增高时,针对标准粒子群算法处理高维问题容易陷入局部最优和收敛速度降低的缺陷,通过在搜索过程中引入交叉因子,增加了粒子多样性,克服了算法寻优过程中局部收敛的问题,提高了收敛速度。理论模型和实测数据试验结果表明,改进的粒子群算法在大地电磁反演中的寻优质量和效果较为理想。     

椭球体上双频激电法的正演与反演算法

基于柯尔-柯尔频散理论，采用中间梯度上椭球体的复电阻率计算相应的幅频率，讨论椭球体的充电率、中心埋深和长轴倾角对幅频率异常和曲线形态的影响；研究幅频率资料的反演算法。研究结果表明：由于中间梯度剖面数据量非常有限，选择最小二乘迭代拟合算法是合适的；偏导数矩阵采用差分的方法求得，对模型参数进行无量纲处理，提高了反演效率；该反演算法迭代速度快，能够稳定收敛，反演效果较好。     

人工神经网络结合遗传算法反演岩体初始地应力的研究

提出综合应用实数编码的遗传算法与改进的BP神经网络的优化反演分析方法,并通过数值分析,探讨了该方法在应用于位移反演岩体初始应力与材料参数方面的有效性.在算例中,以Burgers模型的计算数据作为改进神经网络的训练样本,用遗传算法搜索待反演参数解向量.计算结果表明利用遗传算法优化神经网络权值能提高神经网络迭代算法的效率与可靠性.该方法应用于岩体初始应力场的反演具有迭代过程平稳、收敛快、结果准确等特点,能够有效地求得岩体初始应力与材料参数.     

走时层析成像的迭代Tikhonov正则化反演研究

针对反问题求解常遇到不适定的困难,采用奇异值分析的方法探讨了层析成像反演方程的不适定特征,研究了利用迭代Tikhonov正则化方法求解二维走时层析成像问题.该方法是一种拟线性化的反演算法,采用L曲线法确定最优正则参数,拟定了四个有效的反问题迭代收敛准则,得到在残差范数和解的范数之间取最优折衷的解.核心异常数值化模型的计算结果表明,该方法比传统的联合迭代重建算法(SIRT)收敛快、精度高.     

一种快速准确求取复电阻率真频参数的反演方法

复电阻率法评价极化体极化性质的依据是极化体与围岩的柯尔-柯尔模型参数的差异,因此根据目标极化体的视谱求其真柯尔-柯尔参数,是复电阻率法评价极化体性质时必须解决的基本任务.本文针对水平层状极化介质提出了一种复电阻率最优化反演和递推反演相结合的新的求取真频参数的反演方法,该方法只需测量四个不同频率的复电阻率数据就可进行反演.为了考查该方法的反演效果,与单测点视谱常规反演法及联合谱激电反演法进行了对比计算,并对同一模型选取不同的初始参数进行了反演.计算结果表明,这种方法计算快速、稳定收敛,对反演初值要求不高,结果准确.     

小生境遗传算法及其在地球物理

遗传算法在地球物理反演中已经得到越来越广泛的应用,而常规遗传算法存在早熟收敛和后期收敛速度慢的弱点。本文介绍一种基于小生境技术的改进遗传算法,它不但具有良好的收敛可靠性,而且具有较快的收敛速度。文章扼要分析了小生境遗传算法的运行机制,并对遗传算法的收敛性作了详细分析。对给出的三个测试函数和理论地震波速反演的实验数据表明,该算法确实是一种行之有效的遗传算法。     

多重网格法在地球物理正反演应用研究中的进展

现阶段地球物理三维勘探面临越来越复杂的问题,其要求更精细的三维网格剖分,现有的一些方法随着网格节点的增加其收敛速度相应减慢。对于应用中更复杂实际模型、更细密网格剖分以及更快收敛速度要求,难于有进一步提高。要有所突破,需借助计算数学最新进展,引入新的高效算法。多重网格法是近二十年迅速发展的一种求解微分方程近乎最优的新算法。本文首先简单介绍了多重网格法基本原理和运算格式,着重介绍了当前国内外多重网格法在地球物理正反演中的应用成果和发展现状。此外,对多重网格法在地球物理正反演中的应用前景及发展趋势进行了展望。     

综合遗传算法及其在地震波阻抗反演中的应用

为了有效地克服非线性、多参数、多极值的组合优化问题中遗传算法的早熟收敛现象, 生物的小生境技术和自然界生物多种杂交方式并存、多个子群体并行以及灾变现象,而提出了一快速基因搜索策略。该算法以多个子群体不同杂交方式并行搜索为主,并结合 列配对的受限技术和灾变算子等方法来实现快速的寻优过程。对地震资料波阻抗反演的理论横亘试验表明,该算法的收敛能力和计算效率有了明显改善。     

BP神经网络在柳江径流预测中的应用

径流水位预测是进行洪水监测的重要手段,对于包含详尽信息的广西柳江日径流水位时间序列,采用基于BP神经网络模型进行预报可取得较好效果.如LMBPDH模型采用双隐含层BP网络能加强预测模型输入输出的非线性映射能力,采用Levenberg Marquardt （LM）算法对网络进行训练则能缩短BP网络的收敛时间,改善网络的收敛性能,同时采用实验法确定模型的其他参数使模型获取最佳预报性能.在对柳江近10年日平均水位的预测中,将LMBPDH模型与单隐含层BP神经网络、LM算法以及带适应学习率和动量因子的梯度递减法算法等组合构成的BP神经网络模型,以及遗传算法进化的神经网络模型比较,LMBPDH模型预报稳定性、预报准确率最佳.