一种基于重力正演理论的海底地形反演迭代算法

重力数据反演海底地形的方法是获取全球海底地形数据的重要途径。针对传统地形反演算法需要间接引入经验参数的问题,本研究以不采用经验公式为原则,从空间域方法入手,结合重力正演公式,建立重力异常与地形之间的解析观测方程,采用最小二乘方法进行求解。为了得到观测方程最优解,建立牛顿迭代关系,引入正则化参数,增强方程组的收敛性。顾及边缘效应对正演的影响,采用双线性插值算法对原始重力异常数据进行加密处理和无约束网格扩充以削弱误差。在太平洋海域(155°E~156°E,16°N~17°N)构建了1′×1′分辨率的海底地形模型,并通过船测水深数据验证。相比于传统空间域算法——重力地质法,本研究方法的均方根误差降低了12.7%,验证了其可行性与准确性。

基于MPI和OpenMP的重力及重力梯度数据并行正演算法研究

为提高重力及重力梯度数据的正演效率,笔者引入基于MPI (Message Passing Interface)和OpenMP (Open Multi-Processing)的并行计算,通过对比分析不同数据规模的网格数和模型体个数对并行效率和加速比的影响,得出随着正演数据规模的增加,并行效率和加速比均得到提高。同时对比了基于MPI和基于OpenMP的两种并行方式的性能,结果表明,重力及重力梯度数据正演的并行计算中MPI的提速能力优于OpenMP,且在较大规模数据的正演计算中基于MPI的并行效率优于基于OpenMP的并行效率。

重力和重力梯度数据联合聚焦反演方法

重力数据包含较多的低频信息,重力梯度数据包含较多的高频信息,将重力数据和重力梯度数据进行联合反演得到的结果更加可信.本文基于聚焦反演方法,实现了这一过程.因为联合反演中分量种类增加,所以计算灵敏度矩阵所需要的时间增加,为此,本文提出了一种快速计算灵敏度矩阵的方法.因为联合反演对内存的要求增大,本文选择有限内存BFGS拟牛顿法求解反演问题.本文通过再加权的方法实现深度加权.文中利用单一分量的反演结果来预测异常体的埋深信息,随后将埋深信息结合到深度加权函数中,将其用于多分量组合反演计算.给出了模型试验,发现预测得到的异常体的埋深信息与其实际埋深存在偏差,但是将这一信息应用到反演计算,能够得到与真实模型一致的结果.之后,本文通过模型试验来探究重力和重力梯度联合反演的优势,发现将重力和重力梯度数据联合,能够识别出额外的噪声,反演得到的模型更加合理.但是,对于不同分量组合得到的反演结果是相近的,反演模型的提高很小.最后,将联合反演方法应用到美国路易斯安那州Vinton岩丘的实际数据中,结果显示,将重力和重力梯度数据联合反演,反演模型得到了提高,反演得到的结果与地质资料吻合.

基于GPU并行的重力、重力梯度三维正演快速计算及反演策略

利用NVIDIA CUDA编程平台,实现了基于GPU并行的重力、重力梯度三维快速正演计算方法.采用当前在重力数据约束反演或联合反演中流行的物性模型(密度大小不同、规则排列的长方体单元)作为地下剖分单元,对任意三维复杂模型体均可用很多物性模型进行组合近似,利用解析方法计算出所有物性模型在计算点的异常值并累加求和,得到整个模型体在某一计算点引起的重力(或重力梯度)值.针对精细的复杂模型体产生的问题,采用GPU并行计算技术,主要包括线程有效索引与优化的并行归约技术进行高效计算.在显卡型号为NVIDIAQuadro 2000相对于单线程CPU程序,重力和重力梯度Uxx、Uxy正演计算可以分别达到60与50倍的加速.本文还讨论了GPU并行计算在两种反演方法中的策略,为快速三维反演技术提供了借鉴.

基于单元细分H-自适应有限元全张量重力梯度正演

在重力梯度各阶张量正演中,难于求取复杂地质体的解析式,转而利用已知解析解的简单规则几何形体近似剖分地质体,其会引起较大的几何拟合误差.本文首先从全张量重力梯度解析公式出发结合等参变换基于有限元分析给出了满足地下复杂地质体正演的型函数,引入体积分的误差指示器用以估计全张量重力梯度误差,提出了适用于全张量重力梯度正演的自适应计算的策略及迭代算法,数值算例证明了本文方法的正确性和有效性.

利用余弦变换的重力梯度Parker正演方法及其应用

为获得高精度重力梯度数据,实现基准梯度数据库精确快速构建,研究利用数字高程模型正演重力梯度的频率域快速计算方法,推导出基于余弦变换的Parker正演重力梯度理论公式。数值试验结果表明,余弦变换频率域正演方法平均绝对误差可达到0.5 E左右精度要求,与傅里叶变换正演方法相比误差可减小3 dB左右,与棱柱法等空间域正演方法相比,该方法计算规模小,速度优势明显。

重力梯度张量解析信号的正演模拟

利用重力梯度张量具有高精度的特点以及解析信号在确定异常体位置上的优势,将解析信号应用于重力场中,研究重力梯度张量解析信号振幅及其一阶导数的极值位置空间变换规律,为重力场解析信号边缘和位置识别提供理论基础。对模型的正演试算结果表明:使用重力梯度张量的解析信号能准确地判断地下异常体源的位置情况,有效规避背景场的影响。

基于有限单元法的重力梯度张量正演计算与分析

由于重力梯度张量测量相对于重力异常测量有许多优点,因此对重力梯度的研究十分必要。在重力梯度各张量的正演计算中,复杂地质体的计算式难以直接推导,而利用有限元技术在复杂形体体积积分的优势,可以较为快速和简便地进行复杂模型的重力梯度全张量正演计算。通过模型的建立和正演计算,分析了球体模型梯度张量异常的平面和剖面特征,以及重力梯度张量与球体模型位置的规律;最后进一步利用复杂模型的重力梯度正演模拟,说明了重力梯度识别地下地质体位置的优势和不足。

基于深度学习的重力异常与重力梯度异常联合反演

高效高精度的反演算法在重力大数据时代背景下显得尤为重要,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深度学习的重力异常及重力梯度异常的联合反演方法.文中首先提出了一种基于网格点几何格架的重力异常及重力梯度异常的空间域快速正演算法,这为本文深度学习反演算法的实现奠定了基础;其次对大量的不同密度模型进行正演计算获得样本数据集;然后设计了一种端到端的深度学习网络结构(GraInvNet),再利用样本数据对该网络结构进行训练;最后进行反演预测.组合模型试验表明,多维度数据联合反演相比单一分量反演其结果更“聚焦”,且与模型边界高度吻合,并且对于复杂模型的姿态与物性预测具有极为显著的优势,以及对于含噪声数据的反演,其质量也不会降低;Vinton岩丘实测重力数据也验证了文中方法的有效性;从而证明了深度学习在重力数据的高效高精度反演方面具有的巨大潜力.

密度误差对重力梯度正演精度的影响

深入分析了重力梯度正演过程中密度误差对正演精度的影响.以地壳平均密度常数为参考,利用3种密度模型模拟地形的密度变化,建立了密度误差模型.然后分别对同一DEM进行了正演计算,具体分析密度误差对正演精度的影响.数值分析结果表明:a.密度误差对正演结果影响明显,当密度误差为0.2g/cm3时,梯度误差在10E左右;b.密度引起的梯度误差与地形相关,表现为误差数值与地形起伏成正比,变化趋势受地形调制;c.地形仍是梯度变化的主要因素,减小密度误差,DEM正演重力梯度数据可取得满意的精度.