背景电阻率对大地电磁法二维REBOCC反演结果的影响研究

REBOCC（ReducedBasisOccam’sInversion）算法是Siripunvaraporn等人将OCCAM反演的研究由模型空间转换到数据空间,改进的一种有效、实用大地电磁法（MT）二维反演算法。本文介绍了REB（）CC方法的基本原理,并用该方法在不同的反演模式和不同的背景电阻率值所得的反演结果分别进行对比分析,试算结果表明,二维REBOCC反演在TE和TM联合模式反演,反演效果比单个TE、TM模式好;反演背景值设置不同对反演效果影响不大。     

基于二维数据的加权非线性共轭梯度三维反演

针对当前电阻率数据的解释仍以二维反演为主,而地下为三维结构的情况,研究起伏地形条件下三维源二维采集方式获取的多条测线测深数据的三维反演问题。正演算法采用三棱柱剖分的有限单元法,可以模拟起伏地形下的复杂模型;在求解大型线性方程组时采用了不完全乔利斯基分解回代技术,大大提高了三维多点电源的正演计算速度;在计算偏导数矩阵过程中,依据互换原理,只需有效组合正演时每个点电源所对应的节点电位便可得到偏导数矩阵,节约大量计算时间。其次三维反演算法采用加权正则化共轭梯度法,抑制了严重病态的非线性问题。模型计算结果表明:加权非线性共轭梯度反演算法既保证了反演稳定收敛,又能适合起伏地形反演,达到了满意的效果。     

不同反演参数对高密度电阻率二维反演结果的影响

在高密度电法勘探中,通常借助电阻率二维反演断面进行地质推断解释,然而电阻率反演结果常因反演参数选择的不同而存在差异,在很大程度上影响地质推断解释的准确性。针对高密度电阻率二维反演如何选取合理的反演参数问题,选取两种观测装置的实测视电阻率断面作为试验断面,测试正反演网格大小、模型约束条件、偏导数矩阵的计算方法、目标函数的范数、初始阻尼因子、反演迭代次数等参数对反演耗费时间和反演分辨率的影响。通过反演测试发现,网格剖分、模型约束及阻尼因子对反演的分辨率影响较大,偏导数矩阵的计算方法及反演迭代次数对反演的耗时影响大;当数据断面含有突变噪声时,数据空间和模型空间可选取L₁范数。     

基岩山区大地电磁法 TE 和 TM 极化特征

在基岩山区进行大地电磁测深勘探, 经常受到静态效应影响。地表电阻率不均匀或地形起伏使测深曲线不规则, 断面等值线图上出现密集垂直分布的等值线, 掩盖或混淆了实际探测目标体产生的异常, 给资料解释带来很大的困扰。大地电磁测深矢量测量包含TE 和TM 极化模式信息, 两种极化模式获得的ρ_yx 和 ρ_xy 卡尼亚视电阻率曲线特征及相互关系与地下电性结构有关。研究各种静态效应对两种极化模式的测深曲线影响规律, 总结两种曲线的组合特征, 可以识别静态效应, 分离干扰, 准确获得地下地质构造的信息。实例证明基岩山区大地电磁法工作中, 利用ρ_xy 和 ρ_yx 卡尼亚视电阻率曲线异常特征和影响规律共同解释可以获得较好的地质效果。     

二维层状介质大地电磁视电阻率相位联合快速反演

建立了二维层状介质模型,反演参数为每层的电阻率及各层的底界深度,利用视电阻率和相位进行二维联合反演.利用RRI法（快速松弛反演）通过有限单元法正演快速计算一维偏导数,引入一组修正系数把用RRI法计算的一维偏导数转化为二维偏导数,并且在二维偏导数矩阵中只保留对本测点下的模型参数的偏导数,而忽略掉对其他测点下的参数的偏导数,形成一个近似的雅可比矩阵.通过一个二维三层模型试算,验证视电阻率和相位联合反演能稳定收敛并在一定程度上减小多解性.     

带地形的二维各向异性大地电磁测深数值模拟

以往主要在水平层状地表研究大地电磁二维各向异性系数对观测值的影响。通过有限元数值模拟方法,讨论同时存在起伏地形以及各向异性对二维大地电磁测深法中TM极化模式的响应。首先给出二维各向异性介质中TM极化模式的变分问题;其次用规则矩形单元对研究区域进行剖分,用双线性函插值对变分问题进行求解;最后在地垒、地堑地形下,改变各向异性系数模拟TM极化模式中视电阻率的变化。结果表明:地垒地形对TM极化模式视电阻率曲线表现为低阻异常,地堑地形对TM极化视电阻率曲线呈现高阻异常,两种地形对观测数据的影响要远大于各向异性系数对观测值的影响。     

二维大地电磁测深曲线的快速反演

以ＢＯＳＴＩＣＫ反演方法和二维正演为基础,结合曲线对比和模型对比方法,推出了一种二维大地磁测深的快速反演方法,经理论应用表明,效果很好。     

音频大地电磁法在松桃县寨英锰矿区的应用

简要介绍了音频大地电磁测深法在松桃县寨英锰矿调查区勘查工作的应用效果。首先对实测数据进行处理,并采用快速松弛反演法反演得到视电阻率剖面图,然后结合地质资料与钻孔资料对反演剖面图进行综合分析解译。能够初步确定调查区隐伏构造的位置、规模、纵向电性层位的划分以及含锰层位的分布规律等,为调查区找矿远景分析及未来的矿业开发提供参考。     

基于最小垂直梯度泛函的二维MT数据反演方法

分析了大地电磁测深法反演中聚焦反演方法的原理,从反演目标函数构建方式出发,提出将最小垂直梯度泛函作为模型目标函数的二维MT反演方法,采用再加权正则化共轭梯度法求解目标函数的极小值。在正演模拟时采用基于二次场的有限单元法．引入互易定理计算灵敏度矩阵。并且在前几次迭代后,利用Broyden公式更新灵敏度矩阵．提高了计算效率。所实现的反演方法具有迭代稳定收敛、异常体的聚焦程度高等特点,特别是界面的垂向分辨能力比最小梯度支撑泛函有所提高,模型试算结果表明了本文方法的正确性。     

二维大地电磁反演及其在铁路长大隧道勘探中的应用研究

首先对多种反演方法的特点进行介绍,然后分析比较以Bostick变换为初始模型的OCCAM反演和非线性共轭梯度反演,指出Occam反演对初始模型依赖性小但反演速度慢,非线性共轭梯度反演对初始模型依赖性大但反演速度快的问题,进而提出以Occam反演作为初始模型的非线性共轭梯度改进方案。实践证明,改进的组合反演算法简便、快速,成像效果好。最后,用改进方法对南涪线梓里隧道（DK92＋406-DK97＋023）的大地电磁资料进行了处理,其结果对褶皱、断层、岩溶等地质构造进行了较好的反应。     

三维模型拟合二维剖面数据反演调研

野外CSAMT大多采集的是二维剖面数据,如何利用这些二维剖面数据获得尽可能接近实际情况的地电断面是许多电磁学者关心的问题。在对电磁正反演充分调研的基础上,可以对二维CSAMT剖面数据进行三维模型的模拟反演,通过三维数值模拟解决人工场源的三维特征问题,保证对三维地质体的模拟,同时拟合二维剖面数据,减小野外施工难度。在充分调研的基础上,系统地介绍了电磁正反演的研究现状及发展方向,讨论了用三维模型拟合二维剖面数据反演的可行性。     

高密度电法二维反演程序反演常规电法电测深资料探讨

高密度电法二维反演程序具有易用性强和反演结果快速直观等优点,在物探工作中被经常使用。本文比较高密度电法二维反演程序数据和常规电法电测深数据的格式,介绍了常规电测深数据经程序转换后用高密度电法二维反演软件反演成图的效果,并对此进行了讨论。     

高密度电法反演数据预处理方法研究

高密度电法探测获得的视电阻率数据中存在的不确定噪声,会使反演结果不精确且反演时间增加.为了减小不确定性噪声带来的影响,采用自适应滤波方法对视电阻率曲线进行预处理后,再进行反演计算.本文通过仿真对比验证该方法的有效性.首先构建球体异常区域,半径为1 000 cm,电阻率为35 Ω·m.对构建模型进行正演计算后,获得视电阻...     

电阻率法研究大掺量粉煤灰净浆的吸附效应

为了研究粉煤灰的吸附效应,采用电阻率法记录了粉煤灰不同掺量净浆电阻率发展曲线,并用2种对比样品进行验证以及净浆抗压强度分析.结果表明,粉煤灰颗粒中表面氧化物,特别是未燃尽碳粉对液相中金属离子的吸附作用使得水胶比0.5的样品FA含量<40%时曲线与含量≥40%的不同,粉煤灰掺量≥40%时电阻率发展曲线在最低点之前有一奇异极小值点;随着粉煤灰掺量增大,电阻率曲线早期较高而后期较低,且曲线最低点延迟,最低点对应的电阻率值增大.     

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。     

粒子群算法反演密度异常的数值模拟研究

基于引力位理论推导出长方体外任意一点的重力异常公式,将模拟的研究区域划分成许多具有固定长、宽、高且密度均匀的长方体,并给定了每个长方体的密度异常,利用重力的可叠加性,计算了重力异常分布。在此基础上,采用粒子群算法进行密度反演试验,同时将粒子群算法与其它算法进行了比较,结果表明：在适应度值为0.99的条件下,粒子群算法比遗传算法耗时减少了93.7%。