發(fā)布時(shí)間：2017-08-29 17:19

  本文關(guān)鍵詞：3D重磁約束反演及應(yīng)用研究

  更多相關(guān)文章： 重力數(shù)據(jù) 磁測(cè)數(shù)據(jù) 反演 約束反演 稀疏反演 離散反演

【摘要】：重磁勘探作為廉價(jià)而快速的勘探手段,已經(jīng)廣泛應(yīng)用于地質(zhì)調(diào)查、油氣勘探、固體礦產(chǎn)勘查以及水文、工程與環(huán)境調(diào)查等領(lǐng)域。重磁物性反演能夠直觀的圈定復(fù)雜重磁場(chǎng)源的空間形態(tài)和分布特征,是重磁數(shù)據(jù)處理與解譯工作的重要內(nèi)容,也是近年來重磁反演方法研究的熱點(diǎn)。然而,重磁數(shù)據(jù)物性反演的計(jì)算量大、分辨率低、非唯一性嚴(yán)重,限制了重磁方法的應(yīng)用與發(fā)展。為提高計(jì)算效率和反演效果,本文從模型約束、數(shù)據(jù)約束及改善反演策略三個(gè)方面進(jìn)行重磁數(shù)據(jù)約束反演方法研究,主要的研究?jī)?nèi)容和研究成果如下：(1)實(shí)現(xiàn)基于預(yù)優(yōu)共軛梯度法的重磁數(shù)據(jù)3D快速反演。共軛梯度法是求解大型線性方程組的最有效的方法之一,共軛梯度法沿著由已知點(diǎn)處梯度構(gòu)造的共軛方向搜索,經(jīng)過有限次迭代,算法就可以收斂。共軛梯度法所有的運(yùn)算都是矢量運(yùn)算,循環(huán)迭代過程中矢量變量可以反復(fù)利用,減小了運(yùn)算時(shí)間和存儲(chǔ)空間。預(yù)優(yōu)因子取決于觀測(cè)點(diǎn)與模型單元的距離,有效的改善了矩陣方程的條件數(shù),從而進(jìn)一步提高了共軛梯度法的收斂速度。(2)實(shí)現(xiàn)基于約束Delaunay三角剖分的起伏地形2D重磁異常正反演模擬。重磁物性反演通常采用的是矩形或正六面體規(guī)則網(wǎng)格剖分方法,但是,該規(guī)則剖分方法劃分起伏地形的地質(zhì)斷面時(shí)精度較低。文中,進(jìn)行非結(jié)構(gòu)化的三角剖分,將反演剖面剖分為若干物性均勻的Delaunay三角單元。正演模擬時(shí),復(fù)雜地質(zhì)體的重磁異常等于各個(gè)三角單元的重磁異常的疊加。反演問題用預(yù)優(yōu)共軛梯度法求解。約束Delaunay三角剖分提供一種在起伏地形下復(fù)雜地質(zhì)體的重磁數(shù)據(jù)正反演方法。2D約束Delaunay三角剖分可推廣至3D四面體剖分情形。(3)實(shí)現(xiàn)強(qiáng)剩磁、強(qiáng)退磁作用下的磁異常3D磁化強(qiáng)度矢量反演。在磁測(cè)資料的反演解釋中,盡管剩磁和退磁的物理本質(zhì)大不相同,但是它們具有相同的物理響應(yīng),即均改變了磁性體內(nèi)部磁化強(qiáng)度矢量的大小和方向。因此,研究剩磁和自退磁條件下的磁場(chǎng)磁化強(qiáng)度矢量反演具有重要的作用。本文采用和比較三種磁化強(qiáng)度矢量方法：一、同步反演磁化強(qiáng)度矢量的三個(gè)正交分量(MMM)；二、同步反演磁化強(qiáng)度矢量的總磁化強(qiáng)度,及其傾角與偏角(MID)；三、基于磁異常模量與磁化方向的弱相關(guān)性性質(zhì)依次反演磁化強(qiáng)度矢量的大小和方向(MID)。反演結(jié)果說明：MMM方法求解三倍于標(biāo)量反演的未知參數(shù),加重了地球物理反演的非唯一性問題；磁化強(qiáng)度大小對(duì)磁異常的權(quán)重大于磁化強(qiáng)度偏角和傾角,使得MID方法的反演結(jié)果強(qiáng)烈的依賴于初始模型,反演的收斂性較差；M-ID方法依次運(yùn)用了磁測(cè)數(shù)據(jù)的振幅信息和相位信息,體現(xiàn)出較好的收斂穩(wěn)定性和反演精度,非唯一性問題也得到改善。磁化強(qiáng)度矢量反演獲得的磁化強(qiáng)度矢量分布為研究剩磁和高磁化率體的退磁作用提供了另外一種思路。(4)總結(jié)基于廣義模型約束的重磁數(shù)據(jù)約束反演方法。廣義模型約束是最廣泛的重磁數(shù)據(jù)約束反演方法,包括經(jīng)典的Tikhonov正則化反演理論,以及絕對(duì)約束、不等式約束、參考模型約束等�；阢@孔資料、地質(zhì)資料、及其它地球物理資料等各種先驗(yàn)信息,本文將先驗(yàn)信息的插值模型作為初始模型或參考模型,進(jìn)行重磁約束反演。初始模型約束反演收斂性好,但約束效果不及參數(shù)模型約束反演；參數(shù)模型約束反演依賴于正則化因子,收斂速度較慢。反演結(jié)果表明,先驗(yàn)信息條件下的約束反演更加準(zhǔn)確的反映場(chǎng)源的分布。(5)提出基于數(shù)據(jù)約束的重磁數(shù)據(jù)約束反演。數(shù)據(jù)約束即多元地球物理場(chǎng)的約束,實(shí)質(zhì)是多元地球物理場(chǎng)的聯(lián)合反演,包括重磁聯(lián)合反演、重震聯(lián)合反演、電磁聯(lián)合反演、井地聯(lián)合反演、地空聯(lián)合反演等。本文實(shí)現(xiàn)了地面磁測(cè)數(shù)據(jù)與井中三分量磁測(cè)數(shù)據(jù)的聯(lián)合反演,井與地磁測(cè)數(shù)據(jù)的聯(lián)合反演更加準(zhǔn)確的反映場(chǎng)源的分布。聯(lián)合反演是實(shí)現(xiàn)約束反演的重要途徑。(6)提出基于l0范數(shù)的重磁物性稀疏反演算法。傳統(tǒng)重磁數(shù)據(jù)反演是基于觀測(cè)數(shù)據(jù)和模型參數(shù)的l2范數(shù)約束。但是,基于l2范數(shù)目標(biāo)函數(shù)極小獲得的物性分布通常是圓滑的,反演的分辨率較低,場(chǎng)源邊界不清晰。為了提高反演分辨率,本文提出基于l0范數(shù)模型約束的正交匹配追蹤最優(yōu)化算法。重磁異�？梢员硎緸殪`敏度矩陣列向量的線性組合,因此我們將靈敏度矩陣的列向量當(dāng)做是一個(gè)原子,整個(gè)靈敏度矩陣組成一個(gè)完備的原子庫(kù)。選擇與觀測(cè)重磁數(shù)據(jù)最相關(guān)的列向量作為最佳的原子去匹配,從而獲得場(chǎng)源的物性分布。正交匹配追蹤算法能夠獲得稀疏的物性分布,獲得清晰的物性邊界,提高了反演的分辨率。(7)提出基于群智能隨機(jī)搜索的重磁物性離散反演算法。相比線性反演方法,非線性隨機(jī)搜索算法更容易與先驗(yàn)信息結(jié)合。群智能算法作為有效的隨機(jī)反演算法,本文以蟻群算法為例,首先通過對(duì)蟻群運(yùn)動(dòng)方向的干涉,實(shí)現(xiàn)重磁數(shù)據(jù)絕對(duì)約束反演。此外,物性反演時(shí),將網(wǎng)格單元的物性化分為0和1兩個(gè)值,0表示無磁性或無剩余密度,1表示有磁性或有剩余密度,這種二進(jìn)制離散反演方法有效的減小了解空間,減小了反演問題的多解性,提高了反演的分辨率。該離散約束反演方法適用于物性分布比較單一的情形,如查明隱伏巖體或磁鐵礦礦體的分布等。
【關(guān)鍵詞】：重力數(shù)據(jù) 磁測(cè)數(shù)據(jù) 反演 約束反演 稀疏反演 離散反演
【學(xué)位授予單位】：中國(guó)地質(zhì)大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2015
【分類號(hào)】：P631.1;P631.2
【目錄】：

• Curriculum Vitae6-11
• 摘要11-13
• ABSTRACT13-19
• CHAPTER 1 Introduction19-28
• §1.1 Motivation for study19-20
• §1.2 Study progress of 3D inversion for gravity and magnetic data (IGM)20-24
• 1.2.1 Study status20-24
• 1.2.2 Development tendency24
• §1.3 Thesis objectives24-25
• §1.4 Outline of the thesis25-28
• CHAPTER 2 Improvements oflGM28-91
• §2.1 Introduction28-29
• §2.2 Precondition conjugate gradient (PCG)29-40
• 2.2.1 The objective function and the matrix equation for IGM29-30
• 2.2.2 Preconditioned conjugate gradient (PCG)30-32
• 2.2.3 Preconditioner32-36
• 2.2.4 Synthetic examples36-37
• 2.2.5 Field examples37-40
• 2.2.6 Conclusions40
• §2.3 2D inversion of gravity and magnetic data on rugged observation surface using constrained Delaunay triangulation (CDT)40-57
• 2.3.1 introduction40-42
• 2.3.2 Methodology42-46
• 2.3.3 Synthetic examples46-48
• 2.3.4 Real example: magnetite prospecting of the Mengku iron-ore deposit, Xinjiang, northwest China48-51
• 2.3.5 Real example: ultrabasic rocks prospecting of the Poshi Cu-Ni deposits, Xinjiang, northwest China51-57
• 2.3.6 Conclusions57
• §2.4 Magnetization vector inversion (MVI) for magnetic data when significant remanenee or self-demagnetization is presented57-90
• 2.4.1 Introduction57-59
• 2.4.2 Methodology59-75
• 2.4.3 Remanent magnetization75-78
• 2.4.4 Self-demagnetization78-84
• 2.4.5 Real example: magnetite exploration of the Galinge iron-ore deposit, Qinghai, northwestern China84-89
• 2.4.6 Conclusions89-90
• §2.5 Conclusions90-91
• CHAPTER 3 Model-constrained CIGM91-107
• §3.1 Introduction91
• §3.2 Tikhonov regularized inversion theory91-94
• §3.3 Constrained inversion for different prior information94-106
• 3.3.1 Equality constraints94-97
• 3.3.2 Inequality constraints97-98
• 3.3.3 Penalty methods98-101
• 3.3.4 Constrained inversion using interpolated prior information101-102
• 3.3.5 Synthetic and field examples102-106
• §3.4 Conclusions106-107
• CHAPTER 4 Data-constrained CIGM107-121
• §4.1 Introduction107-108
• §4.2 Methodology108-113
• 4.2.1 Determination of magnetization direction108-109
• 4.2.2 Joint inversion of surface and borehole magnetic data109-113
• §4.3 Synthetic examples113-116
• §4.4 Real example: magnetite prospecting in the Mengku iron-ore deposit, Xinjiang, northwest china116-120
• §4.5 Conclusions120-121
• CHAPTER 5 Sparse inversion for gravity and magnetic data using orthogonal matching pursuit(OMP)121-133
• §5.1 Introduction121-122
• §5.2 Inversion based on l_2-norm122-123
• §5.3 Sparsity of properties distribution and inversion based on L_0-norm123-124
• §5.4 Orthogonal matching pursuit (OMP) for IGM124-127
• 5.4.1 Matching pursuit (MP) and orthogonal matching pursuit (OMP)124
• 5.4.2 OMP for potential field data inversion124-127
• 5.4.3 Flowchart of OMP for sparsity inversion of potential field data127
• §5.5 Synthetic examples127-129
• §5.6 Magnetite prospecting for magnetic data using OMP in Galinge iron-ore deposit, Qinghai, northwestern China129-132
• 5.6.1 Geology and geophysics129-130
• 5.6.2 Prospecting magnetite of Line 212 using OMP130-132
• §5.7 Conclusions132-133
• CHAPTER 6 Discrete inversion for gravity and magnetic data using stochastic ant colonyoptimization (ACO)133-160
• §6.1 Introduction133-134
• §6.2 Methodology134-142
• 6.2.1 Ant colony optimization algorithm135-137
• 6.2.2 Discrete inversion for potential fields137-142
• §6.3 Real examples142-147
• 6.3.1 Prospecting magnetite using magnetic data in Galinge deposit, Qinghai, northwestern China142-145
• 6.3.2 Prospecting granite using gravity data in Nanling region, central China145-147
• §6.4 Improved ACO algorithm147-158
• 6.4.1 Ant colony optimization inversion of surface and borehole magnetic data148-149
• 6.4.2 Lithologioal constraint inversion149-150
• 6.4.3 K-means cluster analysis150-153
• 6.4.4 Synthetic examples and uncertainty analysis153-158
• §6.5 Conclusions158-160
• CHAPTER 7 Conclusions and discussions160-163
• Acknowledgements163-164
• References164-177

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 殷文;;基于頻率—慢度域疊前地震記錄的合成與并行方法研究[J];地球物理學(xué)進(jìn)展;2007年05期

2 王書惠;關(guān)于用有限元法作磁法勘探正演計(jì)算的理論問題[J];地球物理學(xué)報(bào);1981年02期

3 楊輝,王家林,吳健生,于鵬,王小牧;大地電磁與地震資料仿真退火約束聯(lián)合反演[J];地球物理學(xué)報(bào);2002年05期

4 姚長(zhǎng)利,郝天珧,管志寧,張聿文;重磁遺傳算法三維反演中高速計(jì)算及有效存儲(chǔ)方法技術(shù)[J];地球物理學(xué)報(bào);2003年02期

5 王妙月,底青云,許琨,王若;磁化強(qiáng)度矢量反演方程及二維模型正反演研究[J];地球物理學(xué)報(bào);2004年03期

6 張嶺;郝天珧;;基于Delaunay剖分的二維非規(guī)則重力建模及重力計(jì)算[J];地球物理學(xué)報(bào);2006年03期

7 于鵬;王家林;吳健生;王大為;;重力與地震資料的模擬退火約束聯(lián)合反演[J];地球物理學(xué)報(bào);2007年02期

8 徐世浙;余海龍;;位場(chǎng)曲化平的插值-迭代法[J];地球物理學(xué)報(bào);2007年06期

9 李焱;胡祥云;吳桂桔;葉益信;廖國(guó)忠;;基于MPI的二維大地電磁正演的并行計(jì)算[J];地震地質(zhì);2010年03期

10 劉雙;張大蓮;劉天佑;楊坤彪;范志雄;;井地磁測(cè)資料聯(lián)合反演及應(yīng)用[J];地質(zhì)與勘探;2008年06期

，

本文編號(hào)：754485