CN110989021A - 水深反演方法、装置和计算机可读存储介质 - Google Patents
水深反演方法、装置和计算机可读存储介质 Download PDFInfo
- Publication number
- CN110989021A CN110989021A CN201911219095.5A CN201911219095A CN110989021A CN 110989021 A CN110989021 A CN 110989021A CN 201911219095 A CN201911219095 A CN 201911219095A CN 110989021 A CN110989021 A CN 110989021A
- Authority
- CN
- China
- Prior art keywords
- water depth
- gravity
- inversion
- determining
- model
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V7/00—Measuring gravitational fields or waves; Gravimetric prospecting or detecting
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C13/00—Surveying specially adapted to open water, e.g. sea, lake, river or canal
- G01C13/008—Surveying specially adapted to open water, e.g. sea, lake, river or canal measuring depth of open water
Landscapes
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Geophysics (AREA)
- Hydrology & Water Resources (AREA)
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
本发明提供了一种水深反演方法、装置和计算机可读存储介质。所述水深反演方法包括:确定预设的当前密度差;基于重力异常公式和重力正演模型,确定针对研究区的水深模型的目标函数,所述重力异常公式指示重力异常包括长波参考场部分和短波残差场部分,所述短波残差场部分包括密度差参数;利用所述目标函数,确定所述当前水深模型,以便获得多个水深模型,其中在所述当前水深模型中,所述当前密度差作为所述密度差参数;基于所述多个水深模型,确定最优水深模型。本发明实施例的水深反演方法和装置基于研究区进行,构建目标函数,从多个水深模型中确定最优水深模型,提高了水深反演的可信度,改善了反演效果,从而节省了勘探成本,降低了勘探风险。
Description
技术领域
本发明属于地球物理勘探技术领域,尤其涉及一种水深反演方法、装置和计算机可读存储介质。
背景技术
海底地形是海洋地学研究中的重要内容之一,是海洋工程、海洋资源开发和海上划界等的参考资料。高精度、高分辨率的海底地形信息对海洋科学多个学科的研究具有重要意义。随着卫星观测技术的不断发展,利用卫星资料反演海底地形信息,探测海底地质构造,已成为可能。相比于传统的船载测深技术,卫星观测不受地域、气候、海况的影响,可以实现全球覆盖。特别是针对缺乏船载实测资料的地区,卫星反演水深可作为重要的技术补充,解决信息有无的难题。
基于卫星数据的海底地形反演大体可分为两类。一类是基于遥感影像的反演方法,另一类是基于卫星测高重力场数据的反演方法,卫星上装载雷达测高仪,不断向地球发射脉冲并接受回波,对回波数据进行处理后可结算出海面高度,从而获得重力场信息,而空间重力异常与海底地形在一定波段内存在相关性,使得卫星重力异常可用于海底地形数据的反演。本项目主要研究此类方法。
目前,使用卫星重力数据反演海底地形的常用方法包括重力地质法、导纳函数法、SAS法、最小二乘配置法、基于垂直重力梯度异常的反演方法等等,其中重力地质法原理和实现相对简单,具有较好的精度。然而,重力地质法在应用过程中,采用了无限水平板模型假设,不符合海底地形起伏不均匀的实际情况,而且这一方法未结合先验信息,使得反演效果受到局限,反演的可信度较差。
发明内容
有鉴于此,本发明实施例提供了一种水深反演方法、装置和计算机可读存储介质,能够提高水深反演的可信度。
第一方面,本发明实施例提供了一种水深反演方法,包括:确定预设的当前密度差;基于重力异常公式和重力正演模型,确定针对研究区的水深模型的目标函数,所述重力异常公式指示重力异常包括长波参考场部分和短波残差场部分,所述短波残差场部分包括密度差参数;利用所述目标函数,确定所述当前水深模型,以便获得多个水深模型,其中在所述当前水深模型中,所述当前密度差作为所述密度差参数;基于所述多个水深模型,确定最优水深模型。
第二方面,提供了一种水深反演装置,包括:第一确定模块,确定预设的当前密度差;第二确定模块,基于重力异常公式和重力正演模型,确定针对研究区的水深模型的目标函数,所述重力异常公式指示重力异常包括长波参考场部分和短波残差场部分,所述短波残差场部分包括密度差参数;第三确定模块,利用所述目标函数,确定所述当前水深模型,以便获得多个水深模型,其中在所述当前水深模型中,所述当前密度差作为所述密度差参数;第四确定模块,基于所述多个水深模型,确定最优水深模型。
第三方面,提供了一种计算机可读存储介质,所述计算机可读存储介质上存储计算机程序,所述计算机程序被处理器执行时实现根据第一方面所述的水深反演方法的步骤。
本发明实施例的水深反演方法、装置和计算机可读存储介质基于研究区进行,构建目标函数,最后从多个水深模型中确定最优水深模型,因此提高了水深反演的可信度,改善了反演效果,从而节省了勘探成本,降低了勘探风险。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本发明一个实施例提供的水深反演方法的示意性流程图。
图2为本发明另一实施例提供的一种水深反演方法的流程图。
图3为本发明另一实施例的研究区位置。
图4为本发明另一实施例研究区的卫星重力等深线。
图5为本发明另一实施例研究区的水深等深线。
图6为本发明另一实施例所采用的控制点。
图7为本发明另一实施例方法反演得到的研究区水深等深线。
图8为本发明另一实施例的重力地质法反演得到的研究区水深等深线。
图9是本发明另一实施例提供的水深反演装置的示意性框图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本发明实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本发明的描述。
为了说明本发明所述的技术方案,下面通过具体实施例来进行说明。
通常,在应用重力地质法时,将重力异常划分为短波残差场和长波参考场,其中前者为计算点附近的海底地形变化造成的重力效应,后者为地壳下层物质的重力效应。根据研究区海域控制点实测水深,生成短波重力分量,从观测重力值中减去即获得控制点长波分量,由此可插值出研究区的长波异常。但将重力地质法应用于陆地研究时,因陆地地层密度变化情况复杂,反演效果受到很大限制。相比于陆地而言,海水与海底洋壳密度差较为稳定,因此该方法可以用于海底地形反演,且具有较高的精度。
实施例描述
图1是本发明一个实施例提供的水深反演方法的示意性流程图。图1的水深反演方法包括:
步骤110:确定预设的当前密度差。
步骤120:基于重力异常公式和重力正演模型,确定针对研究区的水深模型的目标函数,重力异常公式指示重力异常包括长波参考场部分和短波残差场部分,短波残差场部分包括密度差参数。
步骤130:利用目标函数,确定当前水深模型,以便获得多个水深模型,其中在当前水深模型中,当前密度差作为密度差参数。
步骤140:基于多个水深模型,确定最优水深模型。
应理解,本发明实施例的重力正演模型可以是任意的,例如,单个柱状体长方体重力正演模型,其可以为连续形式,可以为离散形式。例如,当单个柱状体长方体重力正演公式为三维离散化形式时,如下公式所示,
其中
A=(xl-x)ln(ym-y+Rlmn)
B=(ym-y)ln(xm-x+Rlmn)
此处,柱状体顶界面为待反演海底界面,并且底界面为控制点(或初始模型)最大水深所在水平面。
还应理解,第一个目标水深模型可以为初始水深模型,所述初始水深模型可以基于三维柱状体模型,但本发明实施例对此不作限定,任何形式的水深模型都在本发明保护范围内。所述初始水深模型可通过控制点数据插值构建,或引入卫星水深模型。本发明实施例具有这样的有益效果:由于本发明实施例使用三维柱状体模型,水深模型一般为规则网格,但柱状体平面长度和宽度不要求一致。这就使得方法具有更好的适应性。
还应理解,多个密度差都是预先设定的,这与重力正反演中的密度差不同,因为本发明实施例的密度差不再具有原先的物理含义,即不再具有海水层与下覆地层的密度差的含义,而是需要用户给定。
本发明实施例的水深反演方法基于研究区进行,构建目标函数,最后从多个水深模型中确定最优水深模型,因此提高了水深反演的可信度,改善了反演效果,从而节省了勘探成本,降低了勘探风险。
作为图1的水深反演方法的一个实施例,基于重力异常公式和重力正演模型,确定针对研究区的水深模型的目标函数,可以包括如下步骤。
获取研究区中的多个观测点的位置和重力异常,以及多个反演控制点的位置、先验水深和重力异常。其中,反演控制点与检核控制点统称为控制点,其中反演控制点用于反演过程中稳定泛函计算。观测点与控制点的位置可以为坐标形式,也可以为经纬度的形式。观测点与控制点的位置不要求构成规则网格,增强了方法的实用性。当以坐标形式表示时,可以标记为(x,y,z),其中,用于表示所述x值的X轴和用于表示所述y值的Y轴位于同一平面,用于表示所述z值的Z轴向下为正,所述X轴、Y轴以及Z轴三者构成右手直角坐标系。应理解,各附图中的研究区采用经纬度代替大地坐标进行计算。观测点与控制点重力异常可采用卫星数据或海上实测值,先验水深为海上实测值。
将多个反演控制点的先验水深应用于重力正演模型,得到多个反演控制点的短波重力异常,以便基于重力异常公式与多个反演控制点的重力异常作差,获得多个反演控制点的长波重力异常。其中,可以采用长方体重力正演公式计算水深模型在控制点上的重力累加效应,得到控制点短波重力异常。
将插值算法应用于多个反演控制点的位置和多个观测点的位置,基于多个反演控制点的长波重力异常,得到多个观测点的长波重力异常,以便基于重力异常公式与多个观测点的重力异常作差,获得多个观测点的短波重力异常。其中,所述插值的方法包括但不限于线性、近邻等方法。
基于多个观测点的短波重力异常,确定目标函数。
作为图1的水深反演方法的一个实施例,目标函数包括水深模型的稳定泛函和失配泛函,失配泛函基于多个观测点的短波重力异常确定。
作为图1的水深反演方法的一个实施例,目标函数为F(m)=Fd(m)+αFs(m),其中,当前水深模型为m,Fs(m)为稳定泛函,Fd(m)为失配泛函,α为正则化因子。
作为图1的水深反演方法的一个实施例,fd(m)=g(m)-gO,g(m)为重力正演值,gO为重力观测值,N为观测点个数,T表征转置。此外,所述稳定泛函形式可以为:Fs(m)=FC(m)+FTV(M),其中,FC(m)为控制点失配函数,FTV(m)为全变差函数。具体地,所述控制点失配函数形式为:其中,fC(m)=WCm-kC,这里WC为元素为非0即1的M×M的稀疏矩阵,其目的是保证在控制点上柱状体顶界面深度趋近于控制点先验水深kC(大小为M×1)的对应元素值。M为柱状体个数。对于控制点失配函数而言,其具有归一化处理的有益效果,从而避免因柱状体数目不同而对反演参数及反演效果造成影响。
此外,所述全变差函数可以为:
其中,L表示m里空间相邻的元素对个数,mi与mj在m中空间上相邻;β为全变差函数参数,为正数。
作为图1的水深反演方法的一个实施例,利用所述目标函数,确定所述当前水深模型,包括:通过迭代计算确定当前水深模型,其中,在迭代计算中,每次利用αk进行迭代,确定水深模型,其中,α0=0,αk=α1qk-1,k=1,2,...,itermax;0<q<1,itermax为最大迭代次数,m0为初始水深模型,q控制迭代速率,且0<q<1。应理解,迭代停止条件为预先设定的迭代次数上限,或与迭代方法相关的其他约束。换句话说,基于水深模型与观测点短波重力异常间的函数映射,采用正则化方法构建包含失配泛函与稳定泛函的目标函数,迭代求取当前密度差下的最优解。应理解,在反演过程中,可采用的迭代方法包括但不限于Gauss-Newton法、Marquardt法、共轭梯度法和最小平方QR分解法(LSQR)等。
图1的水深反演方法的一个实施例还包括获取多个检核控制点的位置、先验水深和重力异常。基于多个水深模型,确定最优水深模型,包括:将多个检核控制点的位置和重力异常应用于当前水深模型,得到多个检核控制点的反演水深;将多个检核控制的反演水深与多个检核控制的先验水深进行比较评估,输出作为对应于当前水深模型的比较结果,从而得到多个比较结果;基于多个比较结果,选择最优水深模型。在本实施例中,检核控制点不参与计算,仅用于后续反演结果评估。
图1的水深反演方法的一个实施例还包括确定预设的当前步长。获得多个水深模型,包括:基于当前密度差和当前步长,确定下一密度差,其中当前步长为恒定值。换句话说,多个密度差依次具有恒定步长。优选地,图1的水深反演方法的一个实施例还包括,确定密度差下界、上界;将所述上界作为初始密度差,当密度差到达所述下界或者第一次超过所述下界时,结束计算。即,对每个密度差进行搜索试算结束时,取得局部最优解。然后选择最优水深模型,获得全局最优结果。
图2为本发明另一实施例提供的一种水深反演方法的流程图。如图2所示,包括如下步骤:获取观测点位置与重力异常、控制点位置及先验水深与重力异常。构建基于三维柱状体模型的初始水深模型。确定密度差的变化范围与步长。采用长方体重力正演公式计算水深模型在控制点上的重力累加效应,得到控制点短波重力异常。控制点重力异常与短波重力异常相减,得到控制点长波重力异常。对控制点长波重力异常进行插值,得到研究区观测点长波重力异常。研究区观测点重力异常与长波重力异常相减,得到研究区观测点短波重力异常。基于水深模型与观测点短波重力异常间的函数映射,采用正则化方法构建包含失配泛函与稳定泛函的目标函数,迭代求取当前密度差下的最优解。评估当前最优解在控制点上与先验水深的误差并记录相关信息。密度差步进,重复各步骤,至各密度差计算结果都已完成。比较各密度差下反演结果与先验水深的误差,确定最优密度差与最优反演结果。
效果验证
如图3至图6所示,本发明实施例的研究区位置如图3中方框所示。研究区位于西菲律宾海盆中部的中央断裂带周边海域,经纬度范围为(128.3°E~134.3°E,13.5°N~18°N),研究目的是反演出中央断裂带的海底地形特征。另外,本发明实施例所采用的原始卫星重力异常为美国加州圣迭戈大学斯克利普斯(Scripps)海洋研究所提供的Smith&Sandwell卫星重力V27.1(图4),初始水深模型为上述研究所提供的Smith&Sandwell海底地形V19.1(图5)。
此外,本发明实施例的控制点信息取自美国国家环境信息中心(NationalCenters for Environmental Information,NCEI)。在应用本发明的算法时,优选地,水深模型网格大小设定为0.05°×0.05°,根据网格大小对控制点进行抽稀,按4:1的数量比随机分配为反演控制点与检核控制点,共计278个反演控制点与69个检核控制点,如图6所示,以十字表示反演控制点,圆点表示检核控制点。
多个密度差为基于上界、下界和步长的预设值。在本实施例中,密度差变化范围选择0.1~3.0g/cm3,步长为0.1g/cm3,正则化参数β选择为100,迭代速率控制因子q为0.8。
通过本发明实施例的方法,反演得到最优密度差为0.1g/cm3,迭代次数收敛至第8次时达到稳定,计算得到水深如图7所示,清晰反映出中央断裂带形态。
通过比较可以发现,采用重力地质法的反演结果如图8所示,其未能反映出中央断裂带形态。更具体地可以通过表1的数据呈现。
表1为三种反演方法之间的比较,具体为Smith&Sandwell水深模型、重力地质法与本发明实施例方法水深反演结果,通过图表可见,在反演控制点和检核控制点上的标准差方面的不同,以及本发明实施例所带来的优点。
表1
图9是本发明另一实施例提供的水深反演装置的示意性框图。图9的水深反演装置包括:
第一确定模块910,确定预设的当前密度差;
第二确定模块920,基于重力异常公式和重力正演模型,确定针对研究区的水深模型的目标函数,重力异常公式指示重力异常包括长波参考场部分和短波残差场部分,短波残差场部分包括密度差参数;
第三确定模块930,利用目标函数,确定当前水深模型,以便获得多个水深模型,其中在当前水深模型中,当前密度差作为密度差参数;
第四确定模块940,基于多个水深模型,确定最优水深模型。
本发明实施例的水深反演装置基于研究区进行,构建目标函数,最后从多个水深模型中确定最优水深模型,因此提高了水深反演的可信度,改善了反演效果,从而节省了勘探成本,降低了勘探风险。
作为图9的水深反演装置,第一确定模块具体用于:获取研究区中的多个观测点的位置和重力异常,以及多个反演控制点的位置、先验水深和重力异常;将多个反演控制点的先验水深应用于重力正演模型,得到多个反演控制点的短波重力异常,以便基于重力异常公式与多个反演控制点的重力异常作差,获得多个反演控制点的长波重力异常;将插值算法应用于多个反演控制点的位置和多个观测点的位置,基于多个反演控制点的长波重力异常,得到多个观测点的长波重力异常,以便基于重力异常公式与多个观测点的重力异常作差,获得多个观测点的短波重力异常;基于多个观测点的短波重力异常,确定目标函数。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中,上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
在本发明所提供的实施例中,应该理解到,所揭露的装置/终端设备和方法,可以通过其它的方式实现。例如,以上所描述的装置/终端设备实施例仅仅是示意性的,例如,所述模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口,装置或单元的间接耦合或通讯连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括电载波信号和电信信号。
以上所述实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围,均应包含在本发明的保护范围之内。
Claims (10)
1.一种水深反演方法,其特征在于,包括:
确定预设的当前密度差;
基于重力异常公式和重力正演模型,确定针对研究区的水深模型的目标函数,所述重力异常公式指示重力异常包括长波参考场部分和短波残差场部分,所述短波残差场部分包括密度差参数;
利用所述目标函数,确定所述当前水深模型,以便获得多个水深模型,其中在所述当前水深模型中,所述当前密度差作为所述密度差参数;
基于所述多个水深模型,确定最优水深模型。
2.根据权利要求1所述的水深反演方法,其特征在于,所述基于重力异常公式和重力正演模型,确定针对研究区的水深模型的目标函数,包括:
获取所述研究区中的多个观测点的位置和重力异常,以及多个反演控制点的位置、先验水深和重力异常;
将所述多个反演控制点的先验水深应用于所述重力正演模型,得到所述多个反演控制点的短波重力异常,以便基于所述重力异常公式与所述多个反演控制点的重力异常作差,获得所述多个反演控制点的长波重力异常;
将插值算法应用于所述多个反演控制点的位置和所述多个观测点的位置,基于所述多个反演控制点的长波重力异常,得到所述多个观测点的长波重力异常,以便基于所述重力异常公式与所述多个观测点的重力异常作差,获得所述多个观测点的短波重力异常;
基于所述多个观测点的短波重力异常,确定所述目标函数。
3.根据权利要求2所述的水深反演方法,其特征在于,所述目标函数包括所述水深模型的稳定泛函和失配泛函,所述失配泛函基于所述多个观测点的短波重力异常确定。
4.根据权利要求3所述的水深反演方法,其特征在于,所述目标函数为F(m)=Fd(m)+αFs(m),其中,所述当前水深模型为m,Fs(m)为稳定泛函,Fd(m)为失配泛函,α为正则化因子。
6.根据权利要求5所述的水深反演方法,其特征在于,所述利用所述目标函数,确定所述当前水深模型,包括:
通过迭代计算,确定所述当前水深模型,其中,在所述迭代计算中,每次利用αk进行迭代,确定所述水深模型,其中,α0=0,αk=α1qk-1,k=1,2,...,itermax;0<q<1,α1=Fd(m0)/Fs(m0),itermax为最大迭代次数,m0为初始水深模型,q控制迭代速率,且0<q<1。
7.根据权利要求3-6中任一项所述的水深反演方法,其特征在于,还包括:获取多个检核控制点的位置、先验水深和重力异常,其中,所述基于所述多个水深模型,确定最优水深模型,包括:
将所述多个检核控制点的位置和重力异常应用于所述当前水深模型,得到所述多个检核控制点的反演水深;
将所述多个检核控制的反演水深与所述多个检核控制的先验水深进行比较评估,输出作为对应于所述当前水深模型的比较结果,从而得到多个比较结果;
基于所述多个比较结果,选择最优水深模型。
8.根据权利要求1所述的水深反演方法,其特征在于,所述方法还包括:
确定预设的当前步长;
所述获得多个水深模型,包括:
基于所述当前密度差和所述当前步长,确定下一密度差,其中所述当前步长为恒定值。
9.一种水深反演装置,其特征在于,包括:
第一确定模块,确定预设的当前密度差;
第二确定模块,基于重力异常公式和重力正演模型,确定针对研究区的水深模型的目标函数,所述重力异常公式指示重力异常包括长波参考场部分和短波残差场部分,所述短波残差场部分包括密度差参数;
第三确定模块,利用所述目标函数,确定所述当前水深模型,以便获得多个水深模型,其中在所述当前水深模型中,所述当前密度差作为所述密度差参数;
第四确定模块,基于所述多个水深模型,确定最优水深模型。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储计算机程序,所述计算机程序被处理器执行时实现如权利要求1至8中任一项所述的水深反演方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911219095.5A CN110989021B (zh) | 2019-12-03 | 2019-12-03 | 水深反演方法、装置和计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911219095.5A CN110989021B (zh) | 2019-12-03 | 2019-12-03 | 水深反演方法、装置和计算机可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110989021A true CN110989021A (zh) | 2020-04-10 |
CN110989021B CN110989021B (zh) | 2021-03-19 |
Family
ID=70089491
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911219095.5A Active CN110989021B (zh) | 2019-12-03 | 2019-12-03 | 水深反演方法、装置和计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110989021B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112462442A (zh) * | 2020-11-30 | 2021-03-09 | 山东大学 | 重磁位场场源位置估计方法、系统、介质及电子设备 |
CN113960690A (zh) * | 2021-09-03 | 2022-01-21 | 中国人民解放军战略支援部队信息工程大学 | 一种海面重力数据测量精度对海底地形反演结果影响计算方法及装置 |
CN118311576A (zh) * | 2024-06-07 | 2024-07-09 | 中国海洋大学 | 一种基于物理约束神经网络的双极化sar浅海水深反演构建方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102169178A (zh) * | 2010-12-21 | 2011-08-31 | 中国测绘科学研究院 | 基于重力学的海面地形结构测定方法 |
CN102736118A (zh) * | 2012-06-18 | 2012-10-17 | 航天东方红卫星有限公司 | 一种用于全球重力场测量的综合型卫星系统 |
US20150234086A1 (en) * | 2014-02-19 | 2015-08-20 | Korea Institute Of Geoscience And Mineral Resources | Method of processing a marine gravity data and a processing apparatus for the same |
CN105549106A (zh) * | 2016-01-07 | 2016-05-04 | 中国科学院地质与地球物理研究所 | 一种重力多界面反演方法 |
CN110068309A (zh) * | 2019-03-28 | 2019-07-30 | 中国海洋大学 | 一种基于新型高阶弥散关系近海水深测量方法及装置 |
-
2019
- 2019-12-03 CN CN201911219095.5A patent/CN110989021B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102169178A (zh) * | 2010-12-21 | 2011-08-31 | 中国测绘科学研究院 | 基于重力学的海面地形结构测定方法 |
CN102736118A (zh) * | 2012-06-18 | 2012-10-17 | 航天东方红卫星有限公司 | 一种用于全球重力场测量的综合型卫星系统 |
US20150234086A1 (en) * | 2014-02-19 | 2015-08-20 | Korea Institute Of Geoscience And Mineral Resources | Method of processing a marine gravity data and a processing apparatus for the same |
CN105549106A (zh) * | 2016-01-07 | 2016-05-04 | 中国科学院地质与地球物理研究所 | 一种重力多界面反演方法 |
CN110068309A (zh) * | 2019-03-28 | 2019-07-30 | 中国海洋大学 | 一种基于新型高阶弥散关系近海水深测量方法及装置 |
Non-Patent Citations (1)
Title |
---|
陈柏含: "重力反演海底地形精度提升方法研究", 《中国优秀硕士学位论文全文数据库 基础科学辑》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112462442A (zh) * | 2020-11-30 | 2021-03-09 | 山东大学 | 重磁位场场源位置估计方法、系统、介质及电子设备 |
CN112462442B (zh) * | 2020-11-30 | 2022-04-08 | 山东大学 | 重磁位场场源位置估计方法、系统、介质及电子设备 |
CN113960690A (zh) * | 2021-09-03 | 2022-01-21 | 中国人民解放军战略支援部队信息工程大学 | 一种海面重力数据测量精度对海底地形反演结果影响计算方法及装置 |
CN118311576A (zh) * | 2024-06-07 | 2024-07-09 | 中国海洋大学 | 一种基于物理约束神经网络的双极化sar浅海水深反演构建方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110989021B (zh) | 2021-03-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Calder et al. | Automatic processing of high‐rate, high‐density multibeam echosounder data | |
CN110989021B (zh) | 水深反演方法、装置和计算机可读存储介质 | |
Guo et al. | Effects of topographic variability and lidar sampling density on several DEM interpolation methods | |
AU2016305571B2 (en) | System and method for gravity and/or gravity gradient terrain corrections | |
EP3189357B1 (en) | Sediment transport simulation with parameterized templates for depth profiling | |
Zhou et al. | A comparison of fractal dimension estimators based on multiple surface generation algorithms | |
EA017246B1 (ru) | Способ образования моделей коллектора с использованием синтетических стратиграфических колонок | |
Rishikeshan et al. | Detailed evaluation of DEM interpolation methods in GIS using DGPS data | |
CN113267822B (zh) | 基于地形约束因子权重优化提高海底地形反演精度的方法 | |
Smith | The navigation surface: a multipurpose bathymetric database | |
EP3978961A1 (en) | System and method for quantitative seismic integration modeling workflow | |
Xing et al. | Bathymetry inversion using the modified gravity-geologic method: application of the rectangular prism model and Tikhonov regularization | |
Jakobsson et al. | On the effect of random errors in gridded bathymetric compilations | |
CN107831536B (zh) | 沙漠地表地震资料处理浮动基准面建立方法 | |
Aykut et al. | Hydrographic data modeling methods for determining precise seafloor topography | |
Zhang et al. | Three-dimensional airborne electromagnetic data inversion with flight altitude correction | |
Liu et al. | Evaluation of the performance of DEM interpolation algorithms for LiDAR data | |
US20240310552A1 (en) | Density determination method, apparatus and electronic device | |
Qin et al. | Interpolation Technique for the Underwater DEM Generated by an Unmanned Surface Vessel. | |
Abdalla et al. | Augmentation of vertical accuracy of digital elevation models using Gaussian linear convolution filter | |
Holzrichter | Processing and interpretation of satellite and ground based gravity data at different lithospheric scales | |
Bai et al. | A wavelet transformation approach for multi-source gravity fusion: Applications and uncertainty tests | |
EP1070970B1 (en) | A method of three dimensional reconstructing a physical magnitude inside a borehole | |
Arseni et al. | SINGLE BEAM ACOUSTIC DEPTH MEASUREMENT TECHNIQUES AND BATHYMETRIC MAPPING FOR CATUSA LAKEGALATI. | |
Chen et al. | The improved kriging interpolation algorithm for local underwater terrain based on fractal compensation |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |