CN111399074B - 一种重力和重力梯度模量联合三维反演方法 - Google Patents

Abstract

本发明公开了一种重力和重力梯度模量联合三维反演方法，首先，通过位场转换得到重力梯度模量，将重力梯度模量和重力数据一起加入到反演中，与单独重力反演相比，能够提高反演的分辨率，与单独重力梯度模量反演相比，无需二次判断密度差的正负。同时，本发明利用重力梯度模量构建水平加权函数，对模型进行约束，进一步提高了水平分辨率。在求解最优解过程中，使用重力数据和先验地质信息，建立优化的初始搜索模型，加快了收敛速度，并提高了反演的准确性。

Description

一种重力和重力梯度模量联合三维反演方法

技术领域

本发明属于重力勘探技术领域，涉及一种重力和重力梯度模量联合三维反演方法。

背景技术

重力数据三维物性反演技术能够提供有关地质体的形状、规模以及物性大小、分布特征等信息，可为地质能源勘查提供明确、可靠的参考，因此，重力数据三维反演技术一直是研究的热点问题。与波场在一个观测点可采集多个频率的数据不同，重力场属于位场，位场在一个观测点仅能采集到一个数据，这一特征决定了观测重力数据中含有的信息量有限。因此，仅使用重力场进行三维反演建模，将导致多解性严重和分辨率低的问题。为了降低多解性、提高分辨率，最常用的做法是：根据先验地质信息引入模型约束条件，例如地质体倾向约束(Guillen A&Menichetti V,1984.Gravity and magnetic inversion withminimization of a specific functional.Geophysics,49(8):1354-1360)，这种情况下，反演结果准确性依赖先验地质信息的可靠性和丰富性。但是，在勘探程度较低、先验地质信息较少的地区，很难提取合适的先验地质信息。如何在不依赖先验地质信息的情况下，仅依靠观测重力数据，提高反演准确性和分辨率，一直是重力数据反演的技术难题。重力梯度模量数据与重力数据相比，具有更高的水平分辨率，但是，重力梯度模量反演得到的有意义的物理量是密度差的幅值，后续还需结合重力资料或先验地质资料进一步判断密度差的正负，这在一定程度上增加了反演建模的复杂性。

发明内容

本发明的目的是针对上述现有技术的不足，提出一种重力与重力梯度模量联合三维反演方法。

发明思想：充分开发观测重力数据中的有效信息，通过位场转换得到重力梯度模量，与重力数据相比，重力梯度模量具有水平分辨率高的特点。本发明充分利用重力梯度模量水平分辨率高的特点，一是将重力梯度模量视为观测数据，和原始观测重力数据联合反演，这在保证拟合原始重力数据的前提下，提高了反演分辨率，同时，反演得到的物理量是密度差，无需再判断正负；二是利用重力梯度模量构建水平加权函数，对模型加权，进一步提高了反演的水平分辨率；三是利用重力数据与先验地质信息，共同优化初始搜索模型，提高反演计算的收敛速度和准确性。

为实现上述目的，本发明是通过以下技术方案实现的：

一种重力和重力梯度模量联合三维反演方法，包括以下步骤：

1、对观测重力数据g进行位场转换，得到重力梯度模量M，其元素M与对应位置的重力g的关系为：

其中，g_xz为重力在x方向导数，g_yz为重力在y方向导数，g_zz为重力在z方向导数。

2、利用重力梯度模量构建水平加权函数W_h，其对角线元素表达式为：

其中，τ为水平加权强度因子，τ越大横向加权强度越大。通过上式可以看出，同一水平位置的块体的w_h数值相同，与深度z无关。

3、重力g和重力梯度模量M联合反演的目标函数为：

其中，

g为重力数据，g_xz为重力在x方向导数，g_yz为重力在y方向导数，g_zz重力在z方向导数，A、A_xz、A_yz、A_zz是对应g、g_xz、g_yz、g_zz的正演算子，ρ为待恢复的密度模型，W_v为模型垂向加权矩阵，W_h为模型水平加权矩阵，正则化因子

平衡因子

符号

表示哈达玛乘积，即两个向量对应元素相乘。

4、利用重力数据g和先验地质信息构建优化的初始搜索模型ρ₀，构建方法为：将重力数据g垂直映射到地下多层模型空间，得到无量纲模型，再根据先验地质资料，将无量纲模型线性映射到密度空间，得到初始模型。再根据地质体深度的先验地质信息，对不同深度层的块体再加权，得到优化的初始模型ρ₀。

5、在加权密度域求解目标函数的最优解，目标函数φ对加权密度ρ_W的导数：

其中，ρ_W＝W_vW_hρ，A_W＝AW_h ^-1W_v ^-1，A_xzW＝A_xzW_h ^-1W_v ^-1，A_yzW＝A_yzW_h ^-1W_v ^-1，A_zzW＝A_zzW_h ^-1W_v ^-1，diag()表示将向量变换为对角矩阵。

6、利用最优化算法以及优化的初始模型即可求解目标函数最优解，即得到反演结果。

本发明的有益效果：

常规三维反演仅将原始的观测重力数据加入到三维反演中，在没有可靠先验地质信息约束的情况下，反演结果的分辨率低，本发明充分挖掘观测数据中的信息，通过位场转换得到重力梯度模量，并充分利用其分辨率高的特点，提升反演效果。

1、联合反演重力梯度模量和原始重力数据，与仅反演重力数据相比，本发明方法的反演结果的分辨率高；与仅反演重力梯度模量相比，本发明的反演结果是密度差，无需二次判断密度差的正负。

2、利用重力梯度模量构建水平加权函数，对模型加权，进一步提升了反演结果的水平分辨率。

3、利用重力数据与先验地质信息，设计优化的初始搜索模型，提高了反演计算的收敛速度快和准确性。

附图说明

图1是本发明的流程图。

图2是本发明的理论模型及其正演数据，(a)理论密度模型，(b)理论密度模型正演计算的地面重力异常。

图3是本发明的重力梯度模量，(a)由理论模型正演的重力梯度模量，(b)由重力数据位场转换计算的重力梯度模量，(c)转换重力梯度模量和正演的重力梯度模量的残差。

图4本发明由重力梯度模型构建的水平加权函数的切片，(a)水平切片z＝0.4km，(b)竖直切片y＝12km，(c)竖直切片x＝12km。

图5本发明优化的初始搜索模型的建立流程。

图6本发明重力和重力梯度模量联合三维反演方法结果；(a)水平切片z＝0.4km；(b)竖直切片y＝12km；(c)竖直切片x＝12km。

具体实施方式

一种重力和重力梯度模量联合三维反演方法的流程如图1所示。为结合实施例对本发明进行说明，建立理论模型，如图2(a)所示，双立方体模型边长为400m，其顶部埋深都为200m，密度差分别为1g/cm³、-1g/cm³。由理论模型产生的地面重力数据如图2(b)所示，共有31×24＝744个采样点，采样间距为100m。针对这个模型实例，对本发明进行详细说明。

1、对观测重力数据g进行位场转换，得到重力梯度模量M，如图3(b)所示，其元素M与对应位置的重力g的关系为：

模型正演计算得到的理论重力梯度模量如图3(a)所示，位场转换重力梯度模量图3(b)和正演计算的理论重力梯度模量图3(a)的残差如图3(c)所示，可以看出，位场转换得到的重力梯度模量准确性较高，可与观测重力数据一起用于反演。

2、利用重力梯度模量M构建水平加权函数W_h，其对角线元素表达式为：

其中，水平加权强度因子

由重力梯度模型构建的水平加权函数构建的水平加权函数切片如图4所示，由图可以看出，同一水平位置的块体的w_h数值相同，与深度z无关。

3、重力g(如图2(b)所示)和重力梯度模量M(如图3(b)所示)联合反演的目标函数为：

其中，

g为重力数据，g_xz为重力在x方向导数，g_yz为重力在y方向导数，g_zz重力在z方向导数，A、A_xz、A_yz、A_zz是对应g、g_xz、g_yz、g_zz的正演算子，ρ为待恢复的密度模型，W_v为模型垂向加权矩阵，W_h为模型水平加权矩阵，正则化因子

平衡因子

符号

表示哈达玛乘积，即两个向量对应元素相乘。

4、利用数据g和先验地质信息构建优化的初始搜索模型ρ₀，流程如图5所示，构建方法为：将重力g垂直映射到地下多层模型空间，得到无量纲模型，再根据先验地质资料，将无量纲模型线性映射到密度空间，得到密度模型。再根据地质体深度的先验地质信息，对不同深度层的块体再加权，得到优化的初始模型ρ₀。

5、在加权密度域求解目标函数的最优解，目标函数φ对加权密度ρ_W的导数：

其中，ρ_W＝W_vW_hρ，A_W＝AW_h ^-1W_v ^-1，A_xzW＝A_xzW_h ^-1W_v ^-1，A_yzW＝A_yzW_h ^-1W_v ^-1，A_zzW＝A_zzW_h ^-1W_v ^-1，diag()表示将向量变换为对角矩阵。

6、利用最优化算法以及优化的初始模型即可求解目标函数最优解，即得到反演结果，如图6所示，异常体位置识别准确，边界较为清晰，最大密度差为0.8668g/cm³，最小密度差为-0.8668g/cm³。

Claims (1)

1.一种重力和重力梯度模量联合三维反演方法，其特征在于：包括以下步骤：

1)、对观测重力数据g进行位场转换，得到重力梯度模量M，其元素M与对应位置的重力g的关系为：

其中，g_xz为重力在x方向导数，g_yz为重力在y方向导数，g_zz为重力在z方向导数；

2)、利用重力梯度模量构建水平加权函数W_h，其对角线元素表达式为：

其中，τ为水平加权强度因子，τ越大横向加权强度越大；通过上式可以看出，同一水平位置的块体的w_h数值相同，与深度z无关；

3)、重力g和重力梯度模量M联合反演的目标函数为：

其中，

g为重力数据，g_xz为重力在x方向导数，g_yz为重力在y方向导数，g_zz重力在z方向导数，A、A_xz、A_yz、A_zz是对应g、g_xz、g_yz、g_zz的正演算子，ρ为待恢复的密度模型，W_v为模型垂向加权矩阵，W_h为模型水平加权矩阵，正则化因子

平衡因子

符号

表示哈达玛乘积，即两个向量对应元素相乘；

4)、利用重力数据g和先验地质信息构建优化的初始搜索模型ρ₀，构建方法为：将重力数据g垂直映射到地下多层模型空间，得到无量纲模型，再根据先验地质资料，将无量纲模型线性映射到密度空间，得到初始模型；再根据地质体深度的先验地质信息，对不同深度层的块体再加权，得到优化的初始模型ρ₀；

5)、在加权密度域求解目标函数的最优解，目标函数φ对加权密度ρ_W的导数：

其中，ρ_W＝W_vW_hρ，A_W＝AW_h ^-1W_v ^-1，A_xzW＝A_xzW_h ^-1W_v ^-1，A_yzW＝A_yzW_h ^-1W_v ^-1，A_zzW＝A_zzW_h ^.1W_v ^-1，diag()表示将向量变换为对角矩阵；

6)、利用最优化算法以及优化的初始模型即可求解目标函数最优解，即得到反演结果。

Images