大地电磁反演中改进的自适应正则化因子选取

通过建立大地电磁(MT)层状地电模型,利用共轭梯度法求解反问题,在给定不同初始模型的条件下对多种正则化因子选取方法进行了计算比较,分析了各种方法的特点和使用条件.结果表明,自适应正则化算法的效果与传统的定值方法如L曲线法相近,但反演过程远比传统方法便捷.为了解决反演依赖于初始模型的局限并增强解的稳定性,基于多种自适应正则化方案的对比分析,提出了改进的自适应正则化方案,选取数据拟合泛函与模型稳定泛函较大的比值为正则化因子的初始值,并提出相应的调整方案自动控制正则化因子衰减.模型试验表明,该方法对初始模型的依赖性低于其他几种自适应的算法,反演结果的稳定性较强,可以进一步提高正则化反演的效率.     

大地电磁测深和重力数据同步正则化联合反演

在以往正则化联合反演中,不同的地球物理方法均采用相同的正则化因子。当不同的地球物理方法的数据拟合泛函和模型稳定泛函的数量级不一致时,单正则化因子条件下的正则化联合反演不能充分发挥不同地球物理方法各自模型约束泛函的作用。针对这点不足,以大地电磁测深(MT)和重力联合反演为例,提出了双正则化因子的确定方法,新方法根据MT和重力方法各自的数据拟合效率实现了正则化因子的自适应调整。设计了非完全共界面的断块模型。模型试验表明:与传统的MT和重力正则化联合反演相比,双正则化因子条件下的MT和重力联合反演可以更好地发挥各自的模型约束泛函的模型约束作用,联合反演的解更符合真实模型。     

一种适合磁异常反演的正则化因子选取方法

为更精确地确定地下磁性物质的分布,结合工程勘察中的磁法探勘和位场反演特点,借鉴Zhdanov等提出的自适应正则化因子选取方式,提出一种适合磁异常反演的完全自适应正则化方法。在进行一次常规自适应算法的基础上,得到估计的正则化因子初始值,根据数据拟合的下降效率确定合适的正则化因子的计算值,并采用较大的衰减因子,通过自动衰减正则化因子在考虑计算效率的条件下得到较好的数据拟合和稳定的反演结果。模型实验表明,此方法的数据拟合效果比L曲线法更好,同时在解稳定的前提下减少了迭代次数。     

垂直激电测深二维自适应正则化反演

为了提高垂直激电测深2维反演的分辨率和稳定性,提出了一种针对垂直激电测深数据的自适应正则化反演方法.在整个反演过程中,正则化因子的选取无需人为干涉,实现了完全的自适应.给出了极化率数据的广义线性总体光滑约束反演方法,分别对极化率反演中初始模型的给定、偏导数矩阵的计算及自适应正则化因子的选取进行了研究,并编制了实用、高效的垂直激电测深2维反演软件.通过对模拟和实测的垂直激电测深数据反演,验证了方法的可行性和有效性,编制的反演软件可用于实际生产.     

二维直流电阻率与音频大地电磁自适应渐进联合反演

开展了非结构化三角网格条件下的二维直流电阻率与音频大地电磁自适应渐进正则化联合反演研究。通过研发以模型灵敏度信息为依据的反演网格自适应优化技术,构建由粗网格到细网格逐步反演的自适应渐进反演策略,减少了反问题对稳定因子的依赖,进而降低了正则化因子搜索的计算量;通过最小二乘算法求解非结构化三角网格的模型粗糙度,构建了非结构化网格条件下的最小结构稳定因子;采用高斯-牛顿法优化求解正则化反演目标函数,通过双共轭梯度稳定算法求解高斯-牛顿方程,确保反演稳定性,同时有效减少了反问题对内存的需求。理论模型与实测数据的联合反演试算表明,直流电阻率与音频大地电磁数据联合反演能够有效减少反演多解性,提高反演效果,实现音频大地电磁静态效应异常体的直接反演。     

热传导方程源项反演问题的指数型正则化方法

研究了有界域中热传导方程源项反演问题。通过热传导方程的特征值和特征函数，利用分离变量法重建源项，并给出了源项反演的条件稳定性，依据构造的指数型正则化方法，给出了先验选取和后验选取正则化参数下指数型正则化方法的正则化解的收敛性和误差估计。数值模拟的计算结果验证了算法的有效性。     

基于最小支持的2.5维直流电阻率正则化反演研究

地球物理反问题存在多解性和不稳定性,正则化是得到稳定解的重要手段之一,正则化方法中稳定因子的设计与正则化因子的选择是两项重要研究内容.稳定因子的主要功能是对模型的解空间进行限制,以减少多解性,求得稳定解;为更好的定位地下目标体,研究工作采用了最小支持稳定因子,并给出了统一表达形式.正则化因子在模型误差与数据误差之间起到平衡作用,研究工作在“L曲线法”自动选取正则化因子的基础上,提出一种修正的计算正则化因子算法.以2.5维直流电阻率为例,运用非线性共轭梯度法,进行了试算研究,结果表明了修正的“L曲线法”算法快速、稳定,最小支持稳定因子具有较好的聚焦特性,有利于实现陡变边界反演.     

基于混合正则化的最小二乘三维电阻率反演成像

基于经典Tikhonov正则化(classical Tikhonov regularization)的最小二乘反演是三维电阻率反演的主要方法。对于电阻率分片连续的地质体,由于光滑反演解的光滑性使得目标区域与背景区域间边界模糊,不能很好地体现异常体的形态信息和位置信息,成像效果不好。将总变分正则化(total variation regularization)与经典Tikhonov正则化结合,提出混合正则化反演方法,通过模型分析比较经典Tikhonov正则化、TV正则化、混合正则化在反演结果上的不同,证明了引入混合正则化约束的最小二乘反演既保持了经典Tikhonov正则化方法解的稳定性,又具有TV正则化方法解的保边缘性,有效地改善了三维电阻率成像效果。最后将混合正则化的反演方法应用到实际工程,验证了该方法的有效性和实用性。     

算子非精确条件下确定正则化参数的一种方法

基于非标准的广义偏差原则,在算子及观测数据都有扰动的条件下,对于求解不适定问题的Tik-honov正则化方法,给出了一种选取正则化参数的简单迭代算法,并阐明了该迭代算法是一种线性模型函数算法.进一步地,利用线性模型函数方法,在一定条件下证明了所提出的选取正则化参数的简单迭代算法是收敛的,并通过数值算例验证了该方法的有效性.     

基于模型函数与L-曲线的正则化参数选取方法

基于模型函数方法与修正的L-曲线准则,给出了选取正则化参数的1种迭代算法。在一定条件下,证明了所提出的选取正则化参数的算法是局部收敛的,通过数值算例验证了该方法的局部有效性。     

基于ATV正则化与初始模型约束的波阻抗反演

提出了一种基于各向异性全变分正则化和初始模型约束的波阻抗反演方法.为了综合利用地震数据的时空信息,提高反演结果的横向连续性,采用多道同时反演.实验结果表明,即使在强噪声干扰的情况下,利用该方法仍然能得到较好的反演结果,且反演误差较小.     

基于改进的和声搜索算法的地面核磁共振反演*

地面核磁共振反演能抽象为一个求解矩阵方程An=E的问题,A为与背景电阻率空间分布有关的核函数矩阵,E为测量信号的初始振幅值,n为带求解的含水量分布值,由于A和E都存在误差,为了提高n的求解精度和稳定性,构造了正则化-总体最小二乘模型,并将该模型转化为受条件约束的非线性优化问题,设计了改进的和声搜索算法以求解该问题,在含水层数大于激发脉冲矩数的欠定方程或者病态方程的求解中,该算法仍然适用。野外实测数据反演中,导电层电阻率分布情况来自垂向电测深勘探结果,观测信号的信噪比为6.9 d B,算法的反演结果含水量值的方均根为3.12%,法国Samovar v6.2反演软件反演结果含水量值的方均根为3.65%,两种反演结果均与钻探结果接近,但本文算法略显优势。     

图像复原中正则化参数的自适应选择方法

大多数图像复原问题都具有病态性质，需要利用正则化技术对问题加以约束。约束最小二乘法中正则化参数能够对求解后图像的精度和平滑程度加以调节并使两者之间取得平衡，与复原图像质量的好坏有着直接的关系。提出了一种自适应选择正则化参数（ASRP）方法，根据图像边缘信息自适应地确定正则化参数值，保证了复原结果为全局最优解，同时实现了复原图像边缘细节的良好保持。通过实验验证了该算法的正确性和可行性。     

基于CUDA架构并行算法的带地形AMT二维反演实现与应用

并行计算是提高音频大地电磁（audio-frequency magnetotelluric method,AMT）数据反演效率的有效途径。本文在统一计算设备架构(compute unified device architecture,CUDA) 下开展带地形的AMT数据二维反演并行算法研究,旨在利用GPU强大的计算能力及并行计算技术实现高精度、快速度的AMT数据二维反演。首先利用有限元和自适应正则化反演算法实现AMT数据二维反演的串行化计算;然后在PGI Visual Fortran+ CUDA5.5环境下编写基于CPU+GPU的CUDA并行代码,将正演中的频率循环、反演中的模型灵敏度矩阵计算和反演方程正则化求解部分进行并行化处理;通过不同复杂程度的理论模型正反演模拟验证了该并行算法的有效性和准确性。不同模型和不同模式下的数值模拟结果对比表明,基于CPU+GPU的CUDA并行算法相较于传统的CPU串行算法,在灵敏度矩阵计算和反演方程正则化方面耗时更少,加速比最高可达10倍以上。最后将该并行算法应用于某矿区实测AMT数据的二维反演中,取得了较好的应用效果。     

基于通量边界条件的一维溶质运移模型源项系数反演

利用正则参数随迭代次数变化的最佳摄动量算法对一维溶质运移模型中基于通量边界的源项系数进行了数值反演.讨论了预估迭代次数,入流端的定通量输入浓度,反演空间以及数据随机扰动对该算法的影响.数值结果表明该算法对此类反问题是有效的.     

图上自适应正则化的图像去噪

自适应正则化方法在不同的局部区域能够选取不同的正则化参数和正则化约束,因而能够灵活地对边缘和噪声进行区别处理。将自适应正则化建立在图上,提出了一种定义在加权图上的,具有自适应参数的正则化模型。用nonlocal means 算法构造图的权重函数,用建立在图上的自适应正则化方程实现图像的去噪处理,仿真实验结果表明：该方法能有效地去除图像中的噪声,在去噪性能上优于部分基于图论的偏微分方程方法。     

一维波动方程反问题的不适定性及正则化分析

基于一维波动方程反问题的数学模型,应用奇异值分解分析算子方程的不适定性。讨论了正则解的求解方法,并利用Tikhonov正则化方法克服反问题的不适定性。最后根据正则化参数的确定原则,采用精度高和适应性更好的遗传算法确定最优正则化参数。