孔隙介质核磁共振弛豫测量多指数反演影响因素研究

孔隙介质核磁共振(NMR)弛豫信号的多指数反演在NMR岩芯分析与测井解释中起着关键作用.为了在不同信噪比条件下快速反演出高分辨率的弛豫时间谱,本文利用NMR正演模拟信号以及实验室NMR岩芯分析数据,研究横向弛豫时间布点数、原始回波采集个数、时间域数据压缩方式等对反演结果的影响.同时,在不同信噪比(SNR)下对不同的反演算法(SVD、BRD、SIRT)进行比较,考察反演算法对信噪比的敏感程度,并讨论了相应的校正方法.另外,还分析了信噪比对长、短弛豫组分的影响.研究表明在充分采集有用回波的情况下,减少回波个数,反演得到的弛豫时间谱趋向发散;增加布点数可以提高分辨率,但是需要更多的计算时间;时间域数据压缩可以加快反演计算速度;不同算法对信噪比的敏感程度不同,发展相应的校正方法可以提高反演质量.

核磁共振弛豫信号多指数反演新方法

孔隙介质核磁共振(NMR)弛豫信号的多指数反演在NMR岩心分析与测井解释中起着关键作用。通过将核磁共振弛豫信号多指数反演问题转化为一个带非负约束的非线性优化问题,先用非负最小二乘方法(NNLS)确定弛豫时间组分数,然后由差分进化(DE)算法求解优化问题。新方法计算非常简单,不依赖于初值,而且容易实现非负约束。计算机模拟和实际数据反演结果表明,该方法对核磁共振弛豫信号分析非常有效,尤其是在信噪比较低的情况下,仍能保证弛豫谱的真实性。

岩石激发极化衰减谱的多指数反演

激发极化衰减谱比极化率具有更为丰富的储层信息，与地层的孔隙结构、渗透率、地层水电阻率以及泥质含量密切相关。衰减谱是一系列单指数衰减的线性叠加，因此，可以对衰减谱进行多指数反演，得到弛豫时间谱，从而可以更好地利用激发极化衰减谱来进行储层评价。一般的非负最小二乘反演的结果振荡剧烈，与实际情况不相符。这里采用阻尼最小二乘方法，结合奇异值分解技术对泥质砂岩的激发极化衰减谱进行了多指数反演，得到了光滑连续的弛豫时间谱，弛豫时间分布点数为32点-64点较合适，算法和软件对实际的岩心具有较好的效果。

核磁共振弛豫信号的多指数反演及应用

利用核磁共振正演模拟信号对比分析了奇异值分解(SVD)算法和迭代Tikhonov正则化方法两种反演算法在不同布点数、不同布点方式、不同信噪比下核磁共振弛豫谱的反演结果。反演结果表明,SVD算法适合于信噪比较高(SNR>50)的数据反演;迭代Tikhonov正则化方法适应于信噪比较低的数据反演。利用两种算法对核磁共振测井回波串数据进行反演,取得了良好的应用效果。

改进的QGA-ELM算法水稻叶面积指数反演模型

为了通过植被指数(VI)准确、可靠的获取不同施肥梯度、不同品种的水稻叶面积指数(LAI),提出了一种基于改进的QGA-ELM算法应用于水稻LAI反演。首先通过8折交叉验证确定极限学习机(ELM)最佳的隐含层神经元个数与隐含层激活函数类型,再通过引入组合动态旋转角策略、单点混沌交叉操作、混沌变异操作、确定性选择策略、量子灾变操作对量子遗传算法(QGA)进行改进,最后使用改进后的QGA算法优化ELM神经网络输入层到隐含层的连接权值和隐含层的阈值。为了验证该模型普适性和有效性,依次建立多元线性回归、BP、ELM、QGA-ELM、改进的QGA-ELM算法5种模型,并在不同数据集上进行反演效果比较,结果表明:(1)对比QGA-ELM算法和改进的QGA-ELM算法进化过程,改进的算法能有效提升模型寻优能力,避免算法早熟,且能寻得更优结果。(2)对比五种算法在不同数据集上的反演效果,验证了NDVI,RVI与LAI之间主要为非线性关系,且ELM神经网络模型反演效果要优于BP神经网络模型和多元线性回归模型。(3)对比五种算法在不同数据集上的反演效果,改进的QGA-ELM算法绝大部分情况下拥有最高的反演精度和最低的误差,改进后的算法反演精度得到了明显提升,泛化性能也得到了增强。(4)改进的QGA-ELM算法在各种施肥梯度上均具有最高反演精度和最低误差,且精度较高,能为不同生长状况水稻LAI反演提供依据。(5)五种模型对庆和香LAI反演精度均要高于龙稻18,而改进的QGA-ELM算法在不同水稻品种上依然具有较高的反演精度,且在不同水稻品种上反演精度相差极小,远低于其他四种模型,能很好适应不同水稻品种LAI反演要求,极大提升模型的稳定性性,为不同水稻品种反演提供参考意义。

基于改进非线性拟合的核磁共振T2谱多指数反演

核磁共振T_2谱多指数反演算法是开展复杂体系样品核磁共振(NMR)弛豫研究最重要的数学工具.常用的T_2谱多指数反演算法一般都是事先给出弛豫时间T_2分布的布点,然后转化为线性拟合问题进行求解.在求解的T_2谱较为分散的时候,反演得到的T_2谱精确度不高,分辨率较低.非线性拟合是解决这个问题的有效办法.本文针对分散T_2谱反演利用非线性拟合时遇到的初值依赖及运算复杂问题,利用线性回归最小二乘方法,改进了其中的带非负约束非线性优化模型,将搜索的反演参数从T_2,f减少为T_2,加快了收敛速度,减少了对初值的依赖,提高了反演精度,使算法更加稳健.通过用改进的Levenberg-Marquardt算法和差分进化算法进行计算机模拟反演及实验数据反演,验证了改进方法在核磁共振T_2谱反演中的有效性.

基于GPS-IR的归一化植被指数反演

针对利用GPS接收机在接收L波段信号时对周围植被水分含量较为敏感的特性,使用GPS反射信号的变化,进行测站归一化植被指数(NDVI)反演.利用2个GPS参考站近5年的连续观测数据计算的归一化微波反射指数(NMRI),构建了反演NDVI的一元线性模型.NMRI整体变化趋势与同时间段内中分辨率成像光谱仪(MODIS)NDVI趋势表现一致,其反演结果相关系数R分别为0.62653、0.62573,均方根误差(RMSE)分别为0.05129和0.05508,进而使用BP神经网络模型反演相关系数分别提高了2%、6%.表明GPS干涉反射测量(GPS-IR)反演区域NDVI结果具有较高可靠性.该研究为获取精确位置、实时连续、高分辨率的NDVI提供了一定的理论支撑.

利用HJ-1-A/BCCD2数据反演冬小麦叶面积指数

叶面积指数是十分重要的作物生理生态参数,为提高利用国产环境减灾小卫星CCD数据反演冬小麦叶面积指数的精度,该文以5种常用的植被指数(归一化差值植被指数(normalized difference vegetation index,NDVI),增强植被指数(enhanced vegetation index,EVI),双波段增强植被指数(2-bands enhanced vegetation index,EVI2),比值植被指数(ratiovegetation index,RVI),土壤调节植被指数(soil-adjusted vegetation index,SAVI)为基础,结合3种常用的回归模型,按生长阶段比较分析了不同植被指数和回归模型反演叶面积指数的精度。结果表明,除生殖生长阶段外,叶面积指数和5种植被指数之间均有较强的相关关系;指数模型和一元线性模型分别为全生育期和营养生长阶段的最佳拟合模型;EVI在全生育期拟合时的表现好于其他4个指数(R2=0.9348),SAVI则是营养生长阶段表现最佳的指数(R2=0.9404)。该研究为进一步利用植被指数反演叶面积指数提供了参考。

核磁共振弛豫信号的多指数反演

从第一类积分方程的反演求解入手 ,推导出适合于岩石核磁共振弛豫时间多指数反演的两种算法 :奇异值分解 (singularvaluedecomposition)方法和变换反演算法 .对算法的具体实现过程进行了详细的论述 ,从理论和实例处理两方面分析讨论了两种算法的优缺点 .从解的自由度的角度 ,讨论解的分辨率及最优反演模型的选取原则 :SVD算法适合于信噪比较高的数据反演 ,变换反演算法适应于较低信噪比的数据反演 .在进行岩石核磁共振信号的多指数反演处理时 ,应优先选用变换反演算法 ,只有当原始数据的信噪比SNR≥ 80时 ,可选用SVD反演算法 .为保证T2 反演结果的真实性 ,T2 布点数应在 30～ 50个之间 .

基于差分进化算法的核磁共振T2谱多指数反演

提出了一种基于差分进化(DE)算法的核磁共振弛豫信号多指数反演新方法.将核磁共振T2谱反演问题转化为带非负约束的非线性优化问题,不需要预先给定横向弛豫时间T2分布,直接利用差分进化算法进行反演计算.在测量信号低信噪比的情况下,计算机模拟和实验数据反演都表明了该方法在分析处理NMR弛豫信号中的有效性.

核磁共振弛豫信号多指数反演新方法及其应用

提出一种新的基于整体迭代修正的核磁共振(NMR)驰豫信号多指数反演方法,并对新方法的具体实现过程和应用效果进行了详细讨论。通过算例,对新方法和基于奇异值分解的MAP-Ⅱ算法反演结果进行了对比,分别给出不同布点方式以及不同信噪比下NMR横向和纵向弛豫信号的多指数反演结果。结果表明,在16～64点对数均匀布点时,新方法明显优于MAP-Ⅱ,特别是在信噪比较低的情况下,仍然能保证弛豫谱的真实性,该方法可应用于岩心NMR实验分析以及NMR测井资料解释处理。

基于双指数联合模型的土壤含水量反演——以河北省为例

针对温度植被干旱指数特征空间的非线性现象,研究以Modis数据为数据源,以河北省为研究区,通过引入表观热惯量,提出双指数联合(DICIM)的土壤含水量反演模型用以改进TVDI指数特征空间的非线性问题。研究分别采用TVDI和DICIM模型对6月上中旬的土壤含水量进行反演,对比低植被区土壤含水量反演的空间差异性,并通过误差统计验证模型的反演能力。结果表明:在低植被区,DICIM模型反演的土壤含水量比TVDI反演的土壤含水量特征明显,反演值更加接近于实测值。经误差统计分析发现基于DICIM模型反演的10cm深度的土壤含水量值相比于TVDI指数反演的土壤含水量值平均绝对误差低0.26%~0.50%,均方根误差低0.28%~0.73%,相对均方根误差低0.73%~5.54%,平均相对误差低1.31%~3.27%,且基于DICIM模型的反演值与10cm深度土壤含水量实测值的相关系数R值都在0.65左右。可见,提出的DICIM模型综合了ATI和TVDI模型的优势,提高了TVDI指数的反演能力。

遥感反演土壤水分指数的适用性研究

土壤水分是地表过程的核心变量之一,实时准确掌握土壤水分的空间分布信息有利于水资源管理、洪水预测以及全球气候变化研究,且对于农业发展及灌溉等都具有重要的意义。遥感反演土壤水分指数发展十分迅速,但对于不同指数的适用性还缺乏定量的认识。本文利用2012至2014年那曲地区MODIS数据计算多种遥感反演土壤水分指数,并与地面观测数据进行相关性分析,结果表明:在非冻融时期,ATI、SEE以及TVDI与土壤水分相关性较好,从相关系数来看,在不考虑植被覆盖条件和低植被覆盖条件下与土壤水分相关性较好的指数依次是ATI、SEE和TVDI;而在高植被覆盖条件下与土壤水分相关性较好的指数依次是SEE、TVDI、SWCTI和ATI;同时本文认为综合使用多种指数是实现土壤水分监测一种有效的途径,在不考虑植被覆盖和低植被覆盖条件下综合使用ATI、SEE组合,在高植被覆盖条件下综合使用SEE、ATI、NDVI组合可以更有效地监测土壤水分的时空分布。

利用改进截断奇异值分解法反演核磁共振弛豫时间

截断奇异值分解(TSVD)法已应用于核磁共振弛豫时间T2谱反演,而奇异值截止值的选取和非负约束的实现是其关键。本文提出一种新的确定奇异值截止值方法,同时利用联合迭代反演法(SIRT)实现非负约束,使本文的改进TSVD法适用于低信噪比资料;该方法具有只需进行一次奇异值分解、计算速度快、保持T2谱分布连续等优点。数值模拟结果表明,改进TSVD法对信噪比仅为5的测量数据依然可得到优于其他方法的较好反演结果;实际岩心资料反演结果进一步证明该方法适用于页岩核磁共振岩心分析和核磁共振测井。

利用Phillips-Twomey方法对核磁共振弛豫测量结果的反演及其效果分析

为解决横向弛豫时间多指数反演所面临的反演不适定性和非负约束的问题,利用在反演理论中解决不适定性问题常用的Phillips-Twomey光滑化方法反演横向弛豫时间,并给出了一种实现非负约束的方法.通过与常用的反演算法进行对比,发现Phillips-Twomey光滑化方法更适用于低信噪比反演.考察了Phillips-Twomey光滑化方法对信噪比的敏感程度,研究横向弛豫时间布点数、原始回波采集个数、回波串采集时间间隔等因素对反演结果的影响.研究表明Phillips-Twomey光滑化方法适用于横向弛豫时间的多指数反演,且容易实现非负约束,对信噪比要求比较低.

高分六号遥感影像植被特征及其在冬小麦苗期LAI反演中的应用

高分六号(GF-6)遥感卫星是中国首颗精准农业观测的高分卫星,与高分一号(GF-1)组网运行,除具有与GF-1 WFV传感器相同的波段外,国内首次增加了能够有效反映作物特有光谱特性的红边波段。为评价高分六号卫星影像的农作物监测能力,以苗期冬小麦为研究对象,结合地面同步观测的冠层光谱和LAI实测数据,分析高分六号卫星影像的波段数量、波段光谱范围及新增的红边植被波段特征;通过提取GF-6 WFV影像中的反射率数据构建植被指数,借助人工神经网络,对比GF-6 WFV传感器不同植被指数组合构建反演模型的精度,以此探究GF-6 WFV红边波段在冬小麦苗期叶面积指数反演的应用能力。结果表明,高分六号遥感影像能较好反映真实的植被特征;同时在对冬小麦LAI反演时增加GF-6 WFV传感器的两个红边波段及红边植被指数数据,对苗期冬小麦LAI反演模型精度有较大的提高,R2分别调高12.48%,RMSE降低14.75%。

一种新的核磁共振弛豫谱反演算法

提出了一种新的基于整体迭代修正的核磁共振弛豫信号的多指数反演算法 ,对算法的具体实现过程进行了详细的论述 ,并通过算法实例处理与基于奇异值分解法的MAPⅡ算法的反演结果进行了对比 ,对比总结了不同信噪比下、不同布点方式下核磁共振弛豫谱的反演结果 ,表明在 16～ 64点对数均匀布点时SIRT反演结果能保证岩石、流体弛豫谱的真实性 ,该算法对岩心核磁共振实验分析以及核磁共振测井资料解释分析具有重要的参考价值。

低场脉冲NMR横向弛豫信号的反演分析

从第一类积分方程的反演求解入手,推导出了适合低场脉冲核磁共振横向弛豫信号多指数反演的一种解谱算法。对解谱的具体过程进行了详细论述,并对不同信噪比、不同布点方式下的解谱结果进行了对比与分析。本算法对推广低场脉冲核磁共振分析测量技术的应用具有重要的参考价值。

自旋回波在地面核磁共振找水技术中的反演算法初探

当测区磁场分布不均匀时,地面核磁共振技术所反映出的地下孔隙度会相对真实情况偏小。而将自旋回波信号应用于地面核磁共振方法中,则会有效克服磁场的不均匀分布对该方法的影响。因此,本文尝试提出一种利用自旋回波信号求取地面核磁共振方法中横向弛豫时间谱的反演算法,为今后将自旋回波技术应用于地面核磁共振方法的研究提供参考资料。本算法主要数学模型为多指数反演模型,反演算法为奇异值分解法。

无人机激光雷达点云密度对森林遥感反演指数提取的影响

点云密度是激光雷达(light detection and ranging,LiDAR)技术的重要参数,对森林遥感反演指数的提取有重要影响。以1600 m×1450 m大小的无人机(unmanned aerial vehicle,UAV)LiDAR数据为实验数据,采用分级随机抽稀法对实验数据进行抽稀,获取不同密度的点云数据集,利用不同密度数据集提取郁闭度、间隙率、叶面积指数、点云高度和密度分位数等森林遥感反演指数,并与原始数据提取的森林遥感反演指数进行差值比较。(1)当点云密度较小时,提取的郁闭度略微偏低,而间隙率略微增加,点云密度对郁闭度、间隙率的影响极小。(2)当点云密度较大时,对叶面积指数的影响不大,但当点云密度较小时,对叶面积指数的影响较大,个别区域可能出现叶面积指数突变。(3)当点云密度较大时,点云密度对高度、密度分位数的影响不明显,但当点云密度降至3.6点/m2时,可能会出现个别区域密度、高度密度分位数突变的情况。点云密度对森林遥感反演指数有重要影响,合适的点云密度有利于更准确地描述森林结构形态,过小的点云密度影响森林遥感反演指数的提取。