一种新颖的探地雷达快速正演模拟及埋地目标探测机器学习方法

探地雷达正演模拟在真实雷达数据解译及全波形反演中扮演着重要的角色,针对传统探地雷达(Ground Penetrating Radar,GPR)正演模拟计算量巨大、耗时、不利于实时探测等问题,提出一种基于机器学习框架的近实时GPR正演模拟方法.以混凝土中的钢筋探测作为GPR应用场景,混凝土的含水量、钢筋半径及埋地深度作为模型参数,利用时域有限差分数值模拟散射回波信号;运用主成分分析对回波数据进行降维处理得到相应的主成分权值系数,并以此作为机器学习网络的输出;设计了一种基于随机森林的多层循环网络架构和学习策略,不仅充分挖掘学习模型参数和主成分权值系数之间的内在因果关系,也共享主成分间的相互联系,并具有对每个预测主成分完善和修正的功能,以此实现基于机器学习的探地雷达快速正演模拟,与传统机器学习相比,有效提高了正演模拟的精度.在此基础上将两个深度神经网络与随机森林相结合,以回波数据主成分系数为输入,建立了基于机器学习的场景参数预测模型,实现了近实时的埋地目标探测,预测的混凝土含水量最大误差为2%,钢筋埋地深度最大误差为6.7%.

复杂介质中地震多次反射波快速正演模拟

多次波的压制方法研究及多次波对一次波振幅随炮检距变化 (AVO)影响的分析 ,需要实用的多次波正演模拟方法 .提出了适用复杂层状介质的多次波射线码的计算方法 ,使得多次波的射线追踪易于快速实现 .同时 ,提出了减少多次波计算量的量板表法及插值法 .模型的多次波计算结果表明 ,多次波振幅的计算精度高 ,计算速度快 ,对文中设计的模型 ,振幅的最大相对误差为 1.8% ,而计算时间减少了 0 .6倍 .

基于空间响应分布函数的水平井补偿密度测井快速正演模拟

水平井中补偿密度测井的正演模拟主要采用蒙特卡罗方法,计算时间较长,难以满足生产实时评价的需求。提出一种补偿密度测井快速正演模拟的新方法,引入空间响应分布函数表征伽马场分布及地层不同体积元对探测器计数贡献。采用蒙特卡罗程序建立快速正演模拟所需数据库,利用空间响应分布函数计算不同地层区域对探测器计数贡献,实现补偿密度测井的快速正演模拟。数值模拟结果表明,新方法的计算精度与蒙特卡罗方法一致,但计算速度提高十万倍以上,能够满足水平井井眼轨迹与地层关系确定中快速正演的需求。

基于滤波算法的隧道全时域激发极化超前探测正演方法

为进一步提高隧道全时域激发极化多参数超前探测的效果,采用滤波算法进行计算时间域等效电阻率,采用有限单元法进行计算,提出一种基于滤波算法的隧道全时域激发极化超前探测正演方法。该方法针对时间域Cole-Cole表达式计算收敛性差的问题,引入滤波算法进行时间域激发极化等效电阻率的计算,提高算法的收敛性;针对正演过程中大型矩阵求解影响计算效率的问题,引入OpenMP并行算法,实现隧道全时域激发极化超前探测正演的加速运算。最后,开展数值算例和物理模型试验。研究结果表明:该正演方法对异常体有敏感响应,且在加快正演速度具有显著优势。通过基于滤波算法的隧道全时域激发极化超前探测获得的观测数据与实际探测数据较为相符,这为基于全时域激发极化隧道超前探测提供了一种可行的正演算法。