CN113449243A - 一种地下空间多物理场综合探测数据处理方法 - Google Patents

Abstract

本发明公开了一种地下空间多物理场综合探测数据处理方法，包括如下步骤：步骤1，数据级融合：步骤2，反演：步骤3，特征级数据融合与决策级数据融合。本发明的有益效果是：本发明解决了200m以深地下空间的探测与分类识别问题，实现了地下空间多物理场探测数据综合利用功能。本发明所公开的处理方法对地下空间安全、合理、可持续开发与建设提供了新的高精度数据处理技术方案，对200m以深地下空间的资源评价、环境保护、规划建造与后期安全运维等方面具有重大意义。

Description

一种地下空间多物理场综合探测数据处理方法

技术领域

本发明属于地下空间探测领域，特别涉及该领域中的一种地下空间多物理场综合探测数据处理方法。

背景技术

随着城镇化的快速发展，城市地下空间开发利用的需求剧增，我国城市地下空间建设规模与增长速度已居世界首位，但是由于探测技术与后期数据处理水平的限制，以浅层(50m以浅)被动式开发为主，难以支撑城市的快速可持续发展，我国最新规划已提出要面向200m以深地下空间开发的战略，地面已有建筑会大大影响传统地面探测技术与装备的性能，急需新的地下空间探测技术装备与高分辨率目标探测与分类识别方法。

发明内容

本发明所要解决的技术问题就是针对现有方法无法对200m深地下空间探测有效反演分类识别的问题，提出一种新的地下空间多物理场综合探测数据处理方法，目的是解决现有反演算法精度无法满足对200m以深地下空间开展有效探测与目标分类识别的问题。

本发明采用如下技术方案：

一种地下空间多物理场综合探测数据处理方法，其改进之处在于，包括如下步骤：

步骤1，数据级融合：

下式(1)为重力、电磁数据位场耦合机理的数学表征，计算时给出一定尺度的滑动窗口，即泊松窗口，以泊松窗口的中心点作为记录点，将泊松窗口内相同点的化极磁异常垂向积分和重力异常作为一对数据，对泊松窗口内的离散数据点进行最小二乘线性回归计算：

式中：ΔZ_┴为磁异常垂直分量，μ₀为空气的导磁系数，Δg为重力异常，f为万有引力常数，Δσ为重磁源剩余密度，J为磁化强度矢量模值；

步骤2，反演：

地球物理问题可用下列向量方程表示：

Y＝A·X (2)

其中Y表示观测数据向量，X表示模型参数值和坐标的列向量，A是一个使观测数据与初始模型产生联系的系数矩阵，即灵敏度矩阵，

将式(2)在初值点(X₁，X₂，...，X_N)附近进行泰勒展开，并忽略高次项，可得：

其中：

式中Δy为观测得到的异常数据与初始模型计算得到的异常数据求差的差向量；Δx为引起这一数据变化的地下地质体参数的变化向量，矩阵A中的各元素表示资料受某个地质体参数变化的影响大小，故称为灵敏度矩阵，解方程(4)并代入(2)，进行反复计算，即可完成反演计算；

步骤3，特征级数据融合与决策级数据融合：

利用主成分分析PCA与相关成分分析CCA对航空重力、伽马、电磁进行特征级融合，结合数据级融合结果，共同输出数据为决策级融合提供支撑，最后利用支持向量机方法分类识别进行决策级融合，对地下空间进行分类识别，输出识别结果；

PCA与CCA都需要利用式(5)所示的相关系数矩阵，

式中，r_ij为原变量的x_i与x_j之间的相关系数，求出R对应的特征值λ_i，并按大小顺序排列，λ₁≥λ₂≥…≥λ_p≥0，计算主成分贡献率

及累计贡献率

根据计算结果提取目标的主要特征，为决策级融合提供可靠数据。

本发明的有益效果是：

本发明解决了200m以深地下空间的探测与分类识别问题，实现了地下空间多物理场探测数据综合利用功能。具有以下4个优点：

(1)利用航空数据进行地下空间探测，提高了探测效率。

(2)将数据融合方法贯穿整个多物理场数据处理过程，以反演成像为核心，实现反演成像前、后融合方案，最大限度的提高反演成像精度；

(3)将多物理场联合反演结果与单个物理场反演结果共同结合进行特征级数据融合，为决策级融合提供可靠数据；

(4)对地下空间安全、合理、可持续开发与建设提供了新的高精度数据处理技术方案，对200m以深地下空间的资源评价、环境保护、规划建造与后期安全运维等方面具有重大意义。

附图说明

图1是本发明方法的流程示意图；

图2(a)是同一地下空间的重力等值线图；

图2(b)是同一地下空间的磁等值线图；

图2(c)是同一地下空间的平面位置图；

图3是本发明方法中步骤3的流程示意图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图和实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

实施例1，本实施例公开了一种地下空间多物理场综合探测数据处理方法，针对地下200m深的空间探测，提出利用航空重力、航空伽马与航空电磁三种不同量纲参数联合探测的方法，测量空间的密度、电磁、放射性等多分量多维数据。以探测数据的反演成像为核心，对数据开展数据级融合、特征级融合与决策级融合等贯穿探测数据反演分类识别处理全过程的多节点融合方式，最大限度的提高对200m深地下空间探测与分类识别的能力。如图1所示，具体包括如下步骤：

步骤1，数据级融合：

下式(1)为重力、电磁数据位场耦合机理的数学表征，计算时给出一定尺度的滑动窗口(称泊松窗口)，以泊松窗口的中心点作为记录点，将泊松窗口内相同点的化极磁异常垂向积分和重力异常作为一对数据，对泊松窗口内的离散数据点进行最小二乘线性回归计算：

式中：ΔZ_┴为磁异常垂直分量，μ₀为空气的导磁系数，Δg为重力异常，f为万有引力常数，Δσ为重磁源剩余密度，J为磁化强度矢量模值；

图2(a)、图2(b)和图2(c)为同一地下空间的数据级融合结果，利用数据级融合结果能够提取出地下空间概略信息，加快反演进程。

步骤2，反演：

通常地球物理问题可用下列向量方程表示：

Y＝A·X (2)

其中Y表示观测数据向量，X表示模型参数值和坐标的列向量，A是一个使观测数据与初始模型产生联系的系数矩阵，即灵敏度矩阵，反演问题的实质就是由上式求解X。多物理场联合反演与单物理场反演均适用该公式。

将式(2)在初值点(X₁，X₂，...，X_N)附近进行泰勒展开，并忽略高次项，经推导可得：

其中：

式中Δy为观测得到的异常数据与初始模型计算得到的异常数据求差的差向量；Δx为引起这一数据变化的地下地质体参数的变化向量，矩阵A中的各元素表示资料受某个地质体参数变化的影响大小，故称为灵敏度矩阵，解方程(4)并代入(2)，进行反复计算，即可完成反演计算；

步骤3，特征级数据融合与决策级数据融合：

如图3所示，利用主成分分析PCA与相关成分分析CCA对航空重力、伽马、电磁进行特征级融合，结合数据级融合结果，共同输出数据为决策级融合提供支撑，最后利用支持向量机方法分类识别进行决策级融合，对地下空间进行分类识别，输出识别结果；

PCA与CCA都需要利用式(5)所示的相关系数矩阵，

式中，r_ij为原变量的x_i与x_j之间的相关系数，求出R对应的特征值λ_i，并按大小顺序排列，λ₁≥λ₂≥…≥λ_p≥0，计算主成分贡献率

及累计贡献率

根据计算结果提取目标的主要特征，为决策级融合提供可靠数据。

本发明提出了一种利用航空重力、航空伽马与航空电磁三种物理量为探测数据，以航空重力与航空电磁探测数据反演成像为核心，将数据级融合、特征级融合与决策级融合贯穿整个探测数据处理全过程的多节点反演与多节点融合的目标成像分类识别方法，可提高地下孔间的探测分辨率与深度。

Claims (1)

1.一种地下空间多物理场综合探测数据处理方法，其特征在于，包括如下步骤：

步骤1，数据级融合：

下式(1)为重力、电磁数据位场耦合机理的数学表征，计算时给出一定尺度的滑动窗口，即泊松窗口，以泊松窗口的中心点作为记录点，将泊松窗口内相同点的化极磁异常垂向积分和重力异常作为一对数据，对泊松窗口内的离散数据点进行最小二乘线性回归计算：

式中：ΔZ_┴为磁异常垂直分量，μ₀为空气的导磁系数，Δg为重力异常，f为万有引力常数，Δσ为重磁源剩余密度，J为磁化强度矢量模值；

步骤2，反演：

地球物理问题可用下列向量方程表示：

Y＝A·X (2)

其中Y表示观测数据向量，X表示模型参数值和坐标的列向量，A是一个使观测数据与初始模型产生联系的系数矩阵，即灵敏度矩阵，

将式(2)在初值点(X₁，X₂，...，X_N)附近进行泰勒展开，并忽略高次项，可得：

其中：

式中Δy为观测得到的异常数据与初始模型计算得到的异常数据求差的差向量；Δx为引起这一数据变化的地下地质体参数的变化向量，矩阵A中的各元素表示资料受某个地质体参数变化的影响大小，故称为灵敏度矩阵，解方程(4)并代入(2)，进行反复计算，即可完成反演计算；

步骤3，特征级数据融合与决策级数据融合：

利用主成分分析PCA与相关成分分析CCA对航空重力、伽马、电磁进行特征级融合，结合数据级融合结果，共同输出数据为决策级融合提供支撑，最后利用支持向量机方法分类识别进行决策级融合，对地下空间进行分类识别，输出识别结果；

PCA与CCA都需要利用式(5)所示的相关系数矩阵，

式中，r_ij为原变量的x_i与x_j之间的相关系数，求出R对应的特征值λ_i，并按大小顺序排列，λ₁≥λ₂≥…≥λ_p≥0，计算主成分贡献率

及累计贡献率

根据计算结果提取目标的主要特征，为决策级融合提供可靠数据。

Images