基于最小梯度支撑的2.5D井地电位法正则化聚焦反演

利用最小梯度支撑稳定因子进行2.5D井地电位聚焦反演。通过对边界近似处理、结合基于图论理论的矩阵重排与填入元分析方法,实现一种快速的正演稀疏矩阵直接分解方法,提高了正演计算效率。为了突出对陡变异常体边界的识别能力,引入最小梯度支撑稳定因子(MGS),采用重加权共轭梯度(RRCG)方法进行反演目标函数求解。结果表明:MGS具有良好的聚焦特征,RRCG反演迭代过程稳定、收敛速度快。对"L-curve"选择正则化因子的算法进行改进,避免了传统采用最大曲率计算时需要对离散数据求导引起的误差,同时该算法对于出现多个拐点的"L-curve"也可正确选择正则化因子。

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。

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.

基于深度加权的重力梯度张量数据的3D聚焦反演

针对重力梯度数据聚焦反演结果中存在的"上漂"现象,在经典Tikhonov正则化理论框架下,引入最小支撑泛函数对反演模型进行约束以避免反问题解的不稳定,并针对重力梯度数据聚焦反演中存在的趋肤效应,在模型目标函数中引入指数深度加权函数。通过理论模型,对部分重力梯度张量分量进行了单独以及联合聚焦反演,验证了基于深度加权的聚焦反演方法的有效性,并将该反演方法运用到涩北一号气田区的实际数据中,反演结果较好地反映出气田位置。