简介:传统上,时间域航空电磁数据通过拟合迭代反演计算得到大地模型,然而,由于航空电磁数据道间的较强相关性,导致病态反演,并引起超定问题;同时电磁数据的相关性使其与模型参数的映射关系复杂,增加了反演的复杂度。采用主成分分析法将航空电磁数据变换为正交的较少数量的主成分,不仅降低了数据道间的相关性,减小了数据量,同时压制了数据的不相关噪声。本文利用人工神经网络(ANN)逼近主成分与大地模型参数间的映射关系,避免了传统反演算法中雅克比矩阵的复杂计算。层状模型的主成分神经网络与数据神经网络的反演结果对比显示,主成分神经网络反演方法网络结构简单,训练步数少,反演结果好,特别是对于含噪数据。准二维模型的主成分ANN、数据ANN以及Zhody方法的反演结果显示了主成分神经网络具有更接近真实模型的反演效果,进一步证明了主成分神经网络反演方法适合海量航空电磁探测数据反演。
简介:本文在Oristaglio等(1984)和Adhidjaja等(1985)工作基础上,给出线源二维时间域瞬变电磁二次场的DuFort-Frankel有限差分数值解,有效避免了在总场求解法中场源附近的奇异问题,并对地-空边界电导率的处理、归一化感应电动势偏导数的计算、推进时间步的确定,提出了改进方法;吸取前人成就中二次场地-空边界向上延拓和零值边界处理技术,从而简化了计算方法;通过对均匀大地、水平层状大地模型的计算,二次场求解法与解析法的最大相对误差小于0.01%,计算速度比总场求解法提高了约3倍;模拟计算不同时刻瞬变电磁场在地下的分布形态,描绘出感应涡流向下向外的传播特征,以及与地下异常体相互作用的物理过程。
简介:地震波场正演模拟是地震资料处理、解释中最为重要的技术之一。地震波场正演模拟在大时间步长、长时程的波场延拓中,存在计算不稳定的问题。本文基于声波方程的Hamilton表述,在波动方程求解中用辛差分格式进行时间网格离散,用傅里叶有限差分进行空间网格离散,提出一种新的保结构地震波场正演模拟方法一辛格式傅里叶有限差分法,在保证计算精度的同时提高计算的稳定性。利用声学近似处理空间-波数混合域的积分算子,将该方法推广至各向异性介质。给出各向同性和各向异性条件下的地震正演模拟的计算流程,并将本文方法用于BP盐丘、BPTTI等模型的波场正演模拟。数值算例表明本文开发的方法适用于速度变化剧烈的复杂介质地震波场正演模拟,计算精度高,数值频散小,在各向异性介质正演中能够有效避免qSV波残余,在大时间步长的迭代计算中稳定性好。本文为在辛算法的框架下实现高精度地震正演模拟提供了一种新的选择。