三度体梯度磁异常全方位正反演方法

首创了磁法勘探学科中三度体任意方向梯度磁异常全方位正、反演方法。首先 ,在球坐标系中 ,导出了三度体任意方向梯度磁异常的两个球谐级数通用正演表达式 ,为实现全方位反演奠定了理论基础。然后 ,由第 1个梯度磁异常球谐级数表达式出发 ,提出了三度体总磁化方向、磁矩模值反演方法 ;由第 2个梯度磁异常球谐级数表达式出发 ,提出了三度体磁矩重心、近似形态与分布范围 ,以及有广泛实用价值的“均磁凸形体”边界点位置等全方位反演方法。最后 ,给出了 1个三度体梯度磁异常全方位反演的理论模型验证实例。

辽南瓦房店地区金伯利岩航磁垂向梯度异常特征及找矿意义

航磁垂向梯度数据较航磁ΔT数据优势明显,可以有效识别地磁场的微弱变化。辽南瓦房店地区40%的金伯利岩体具有明显的梯度异常显示,可验证航磁垂向梯度技术在金刚石找矿中的有效性。本文通过分析瓦房店地区获取的大比例尺航磁垂向梯度资料,研究航磁垂向梯度异常特征与已知金伯利岩体产状的关系,发现岩体多位于NEE向孤立梯度异常中,岩体走向与异常走向基本一致,异常形态多表现为拉长的椭圆状,长轴走向多为NEE向,异常梯度值一般不大于150 nT/km,异常规模通常比地表出露范围大,对岩体的分布范围反映清晰。区内地质背景相似的NEE向航磁梯度异常对今后的金刚石矿勘查部署具有重要的指导意义,建议结合其他地质资料优选重点异常,布置大比例地面磁法、电法等地球物理方法查明引起异常的原因并评价其找矿前景。

基于正交基函数的矢量磁梯度异常探测

磁异常探测技术是一种快速有效的非接触式感知手段。针对传统的标量正交基函数(OBF)检测器获取的磁场信息有限,而矢量OBF检测器得到的磁场信息受地球磁场晃动影响显著的问题,推导一种兼具丰富磁场信息以及抗晃动性能的矢量磁梯度OBF检测器。证明当测量噪声服从高斯独立同分布时,矢量OBF检测器相较于标量OBF检测器具有更低的检测虚警率,且空间采样长度是影响OBF检测器性能的关键因素。仿真和实测结果表明:矢量磁梯度OBF检测器相对于传统检测器具有更优的检测性能,降低空间采样长度可以明显提升其探测性能;矢量磁梯度OBF检测器在低信噪比条件下可以反演得到磁性目标的磁矢量梯度信号,利用粒子群参数估计算法能估计得到目标的位置参数和磁矩参数。

一种基于磁异常梯度测深的电性分析方法

通过收集某地区地磁台记录的磁场,和当天另一地区地磁日变场数据,以某地的地磁台记录磁场作为参考地磁场,以另一地当天地磁日变场作为主要地磁场,采用傅立叶变换对时变地磁异常进行频谱分析。计算出二地的地磁场水平导数和某地磁响应参数及视电阻率,并对其进行了一维电磁测深反演,与在同一测深剖面施测的可控源音频大地电磁测深(CSAMT)反演结果对比分析,效果基本一致。采取这种计算方法,可有效地提取磁异常深部信息,为危机矿山深部找矿增加一种新的解释手段。

ASTER遥感影像与航磁梯度数据综合应用

以中国北部某地区为研究区域,通过研究区典型矿物与典型地物波谱分析,利用主成分分析与波段比值方法,对ASTER数据的蚀变信息进行提取,获取地表蚀变信息。同时根据实际飞行测量所得的航磁梯度数据解译梯度异常,获取地表以下的岩性构造信息,并圈定航磁梯度找矿远景区。最后,利用这两种数据优势,建立遥感和航磁梯度综合远景区判断依据,划分出研究区一级综合远景区3处,二级综合远景区3处,三级综合远景区2处,并进行实地踏勘。结果表明,遥感与物探方法的结合,可以提高地质勘查的准确度与效率。

基于磁记忆的金属管道缺陷检测方法

作为油气输送媒介的金属管道,其缺陷处产生应力集中将造成安全隐患,为实现金属管道缺陷的非接触式定量检测,研究了一种磁记忆检测方法。采用磁异常梯度矩阵实现对产生应力集中的缺陷进行定位;利用平移不变量小波去噪(TI)与特征提取进行信号处理;麻雀搜索算法(SSA)优化BP神经网络实现缺陷尺寸反演。实验表明,平移不变量小波去噪相比小波阈值去噪,信噪比提升1.56%,均方误差降低4.87%;SSA_BP神经网络反演均方误差比BP神经网络降低67.2%;检测方法能在提离状态下实时检测管道缺陷并反演缺陷尺寸。

内蒙二连盆地北部重磁电资料综合解释预测含油有利区

针对中石化在内蒙二连盆地北部新区的勘探工作,收集、整理并连片处理了区内及外围航磁、重力与电法资料,在此基础上应用常规重磁数据处理技术和有特色的重磁异常优化滤波技术、航磁异常全梯度深度标定技术,结合其它物探资料和已知地质资料进行了综合解释并对成油远景进行了分析,提出了下一步勘探部署建议。进一步证明非地震方法在沉积盆地圈定和含油有利区带预测中具有良好的应用效果,也显示了老资料重新处理解释的不菲效益。

基于全卷积神经网络的磁异常及磁梯度异常反演

地球物理反演问题具有病态性、不适定性,传统的线性反演方法面临着次优逼近和初始模型选择等挑战,为了提高磁场数据反演的精度,受深度学习卓越的非线性映射能力的启发,本文提出了一种基于全卷积神经网络的磁异常及磁梯度异常反演方法.文中首先提出了一种基于网格点几何格架的磁异常及磁梯度异常的空间域快速正演算法,这为本文全卷积神经网络反演算法的实现奠定了基础;随后对大量不同剩余磁化强度模型进行正演计算获得样本数据集,将正演数据作为输入层,磁化强度模型作为输出层,并基于U-net网络结构设计了一种端到端的网络结构(MagInvNet),再对该网络结构进行监督学习与参数优化;最后进行反演预测.三组模型试验表明,MagInvNet网络能够快速准确识别出磁异常体的位置与形状,并且能够准确的反演出异常体磁化强度的大小,对于含噪声数据,其反演结果的质量不会降低.本文最后利用安徽霍邱铁矿的航磁数据验证了文中方法的有效性.