简介：河流动力学研究需要河底泥沙物性参数（孔隙率、渗透率和波速等）作为依据,机械取样和浅地层剖面探测是获取物性的重要途径。取样时的机械扰动使测试结果产生偏差,仅利用浅地层剖面数据获取河底特性有限,本文将两者结合起来开展反演研究。将取样测试的级配作为先验信息,进而根据Kozeny-Carman公式确定孔隙率和渗透率的关系。从浅地层剖面数据中提取了水-泥沙界面的声波反射系数。基于等效密度流模型,结合Kozeny-Carman公式和声波反射系数,提出了一种表层淤积泥沙参数反演方法。经过黄河库区试验,得到多个断面的密度和波速等参数,并获取泥沙物性参数的空间变化特征。对比发现,取样点的反演结果与测试结果较为一致,证明了本文提出泥沙参数反演方法的有效性。

简介：常规的时间一空间域和频率一空间域预测滤波方法假设地震记录由地震信号和随机噪声两部分构成，即所谓的加噪声模型，但是，在对随机噪声进行估算时，又假设随机噪声可以通过预测误差滤波器由地震记录中进行预测，即所谓的源噪声模型。这种前后不一致的噪声模型降低了该类方法的去噪能力和保幅性能。为此，本文提出了一种基于反演的时空域随机噪声衰减方法。它首先从地震数据中估算预测滤波算子，该算子表征了地震信号的可预测性，自适应地描述了地震信号的空间结构。在得到预测误差算子之后，将该算子作为正则化约束引入到地震信号反演系统，由含有随机噪声的地震数据直接反演地震信号。不同于常规随机噪声衰减方法，该方法将随机噪声衰减问题归结为正则化约束下的地震信号反演问题，克服了常规方法噪声模型的不一致性问题。我们采用模型数据和实际数据进行了实验分析，并与常规方法进行了效果对比。实验结果表明：与常规方法相比，本文方法在噪声压制的同时，没有对有效信号产生明显伤害，具有更好的振幅保持能力。

简介：随着全张量重力梯度（FTG）测量技术的不断发展,重力梯度数据的三维反演技术在油气和矿产勘探中日益受到重视与关注。为了快速处理和解释大规模的高精度数据,图形处理器GPU（GraphicsProcessingUnit）和预处理分解技术（Preconditioningmethods）在地球物理反演中的使用变得十分重要。本文结合对称逐次超松弛（SSOR）技术与不完全乔列斯基分解共轭梯度算法（ICCG）提出改进的预处理共轭梯度法,并考虑到方法预处理分解占用额外的时间,开发该算法的GPU并行算法来提高加速效果。然后通过含噪的模型数据反演来证明改进的并行预处理方法在三维全张量重力梯度数据反演中的适应性。由此,基于NVIDIATeslaC2050GPU的并行SSOR-ICCG算法和在2.0GHzCPU上的串行程序比较,达到了大约25倍的加速比。最后,我们将该算法应用于美国路易斯安那州南方Vinton盐丘的实测航空重力梯度数据反演中,反演出良好的反演结果,验证了该方法在三维全张量重力梯度数据快速反演中的优势和可行性。