学科分类
/ 1
2 个结果
  • 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。

  • 标签: 主成分分析 人工神经网络 时间域航空电磁法 反演 电导率
  • 简介:在具有垂直对称轴横向各向同性介质中,利用四种参数来确定中间至远偏移距转换波(C-波)动校正.它们是C-波叠加速度VC2,垂直速度比和有效速度比γ0和γeff,以及各向异性参数χeff.我们将这四种参数作为C波叠加速度模型.C-波速度分析的目的就是确定这种叠加速度模型.C-波叠加速度模型VC2,γ0,γeff,和χeff可以由P-波和C-波反射动校正资料获得.然而错误的传播是C-波反射动校正反演中的严重问题.当前短排列叠加速度由于是从双曲线动校正推算而得,因而其精度不足以为各向异性参数提供有意义的反演值.中间偏移非双曲线动校正不再被人们所勿略,而是可以用一个背景γ加以量化.非双曲线分析通过中间偏移距的γ校正量可以产生VC2,若数据不含燥音,其误差小于1%.方法稳健,允许γ启始假定值的误差达20%.该方法也适用垂直非均匀各向异性介质.精度的提高使能够用4分量地震资料计算各向异性参数.为此提出了两种工作流程:双扫描和单扫描流程.理论数据和实际数据的应用表明这两种流程得出的结果其精度相似,但是单扫描流程比双扫描更有效.

  • 标签: 地震学 各向异性 C波叠加速度模型 双扫描流程 单扫描流程