变密度常磁化强度界面重磁联合反演

大多数沉积盆地的地层密度随着深度的增加而加大,基底界面反演时因而要考虑到密度差也随界面深度发生变化.当基底岩石同时也具有磁性,可通过重磁联合反演来揭示沉积盆地基底埋深这一重要的构造信息,尽量减少重、磁异常反演的多解性.针对变密度和常磁化率界面,采用迭代联合反演的方法,利用阻尼最小二乘法和重磁力Parker正演公式一级近似求取界面深度的修正量,来反演目标界面的起伏.模型试验表明这一方法行之有效.将此方法用于实际资料处理,取得了较好效果.     

低磁纬度磁界面反演

指出了低磁纬度地区化极存在的误差,研究了磁异常数据的模拟退火反演方法,以立方体单元剖分网格充填磁场参数后模拟磁界面,同时反演磁界面,并结合模拟退火非线性算法的特点,研究易于加入约束条件的、方式灵活的建模方法,设计磁异常结构较复杂的模型.通过模型试验和实际资料处理,验证了该方法的正确性.     

重力异常稳健迭代密度界面反演研究

重力异常界面反演是重力勘探中的一个重要研究课题,它是一个求解第一类Fredholm非线性积分方程问题,目前情况下直接求解比较困难,只能采用拟合法或逐步线性化办法实现反演计算.在计算过程中,由于反演的不适定性,往往不能很好地获得反演解.我们从二度体重力异常正演公式出发,导出地下界面迭代反演的计算公式;然后利用广义似然函数对模型参数进行优化选择,从而获得模型参数修正量迭代计算方法,实现二度体单一密度界面的稳健迭代(最小二乘加权迭代)反演.模型计算表明方法可以很好地反演出地下界面.     

大地电磁数据的改进随机爬山反演算法研究

对随机爬山算法的新模型产生方式进行改进,并针对大地电磁线性反演依赖初始模型易陷入局部最优解的问题,提出一种基于改进随机爬山的大地电磁反演算法,利用该算法对大地电磁一维层状介质G,K,HK型地电模型数据进行反演实验,在无噪声情况下反演结果和模型基本一致;在加入5%和10%噪声后,反演结果良好.数值实验结果表明,该反演算法不依赖于初始模型,具有较好的全局优化能力和抗噪声能力,能有效反演大地电磁数据.     

模拟退火算法及其在多层密度界面反演中的应用

模拟退火算法是以固体退火过程为物理背景的全局优化算法,具有全局寻优的能力,是一种有效的非线性组合优化算法。模拟退火反演算法实质是利用了地球物理反演问题求解过程与熔化固体退火过程的相似性,模拟其达到最低能量状态为系统目标函数的最优解。本文概要地介绍了模拟退火法的基本原理,解的接受准则,模拟退火法的实现方法、特点及其局限性。总结了近年来对模拟退火方法进行的改进,并给出了模拟退火法在多层密度界面反演中的实例。     

地球物理非线性反演方法综述

由于数学算法的不同,反演方法被划分为线性反演方法和非线性反演方法。本文,我们对非线性反演方法进行了有益的探讨,并对常用的几种非线性反演方法进行了分析,评价了各种方法的优缺点和适用性。     

波阻抗反演的快速模拟退火算法

波阻抗反演是储层参数及砂体预测不可缺少的内容,在地震勘探中占有重要位置．使用快速模拟退火算法(FSA)进行波阻抗反演,能避免目标函数值陷入局部极值区并可获得全局最优解、因此,用快速模拟退火算法进行波阻抗反演,并通过理论模型试算和实际资料的反演验证了该算法的应用效果．结果表明,FSA反演结果不依赖于初值,FSA收敛速度比常规模拟退火算法(SA)收敛速度更快．井点处的波阻抗反演结果与测井数据基本吻合．     

准噶尔盆地阿什里地区重震联合反演研究

充分发挥地震和重力资料的特点,进行优势互补,利用重震联合界面反演技术,对准噶尔盆地阿什里地区的4个密度界面进行反演,通过反演结果取得研究区地质新认识。     

基于干涉极化SAR数据的森林树高反演

将C1oude极化干涉散射模型和ESPRIT算法结合来降低森林参数反演的运算量.利用ESPRIT算法对Cloude模型中的散射相位中心进行估计,再将估计得到的散射相位中心代入Cloude模型,从而得到树木高度等参数.采用中国天山地区SIR-C/X-SAR L波段全极化干涉数据对森林地区植被树高进行了反演实验.实验表明,与直接采用Cloude的极化干涉模型进行反演相比,在反演精度不变的情况下,运算时间仅是单独使用Cloude模型的1%～2%.     

基于Landsat TM的3种地表温度反演算法比较分析

以福州市为研究区,使用Landsat TM数据,利用基于影像的反演算法(IB算法)、单窗算法(MW算法)和单通道算法(SC算法)对研究区进行地表温度反演,并将这3种算法的反演结果与研究区的亮度温度进行了比较,结果表明:(1)3种算法反演的结果总体趋势比较接近,其中尤以MW算法和IB算法较为接近,研究区整体平均温度二者仅相差约1.0℃;(2)3种算法反演的结果均比亮度温度高,其中IB算法高出约1.9℃,MW算法高出约2.9℃,而SC算法则要高出约5.3℃.