CN113486503A - 一种重力及梯度异常正演方法 - Google Patents

一种重力及梯度异常正演方法 Download PDF

Info

Publication number
CN113486503A
CN113486503A CN202110702595.5A CN202110702595A CN113486503A CN 113486503 A CN113486503 A CN 113486503A CN 202110702595 A CN202110702595 A CN 202110702595A CN 113486503 A CN113486503 A CN 113486503A
Authority
CN
China
Prior art keywords
subspace
gravity
cuboid
observation point
anomaly
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
Application number
CN202110702595.5A
Other languages
English (en)
Other versions
CN113486503B (zh
Inventor
石泽玉
张志厚
范祥泰
赵明浩
张天一
赵思为
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Southwest Jiaotong University
Original Assignee
Southwest Jiaotong University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Southwest Jiaotong University filed Critical Southwest Jiaotong University
Priority to CN202110702595.5A priority Critical patent/CN113486503B/zh
Publication of CN113486503A publication Critical patent/CN113486503A/zh
Application granted granted Critical
Publication of CN113486503B publication Critical patent/CN113486503B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Testing And Monitoring For Control Systems (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及重力勘探技术领域，特别涉及重力及梯度异常正演方法，本申请采用的技术方案是一种重力及梯度异常正演方法，包括以下步骤：建立模型空间，选取子空间，计算子空间重力异常体的格架函数并储存该格架函数；对部分模型空间中的异常体剩余密度赋值；确定观测点与该长方体的相对位置关系；根据相对位置关系并利用平移等效性同时调用格架函数，代数求和获得该长方体单元对观测点的剩余密度异常体；计算整个模型空间对该观测点的重力异常体；对部分模型空间中的异常体剩余密度赋值时，确定后计算子空间；计算子空间只限于子空间内的网格点在观测点产生的异常体值。本重力及梯度异常正演方法可有效提升了重力正演的速度。

Description

一种重力及梯度异常正演方法
技术领域
本发明涉及重力勘探技术领域，特别涉及重力及梯度异常正演方法。
背景技术
现有的重力勘探正演计算中，常用等距网格线将模型剖分成若干个长方体单元，然后计算每一个长方体单元对观测点的异常体，再将所有长方体单元对观测点的异常体求和，即为整个模型体对观测点的异常体。这其中存在大量重复的计算，导致数值模拟及反演效率大大降低。
《地球物理学报》2003年02期公开了姚长利等“重磁遗传算法三维反演中高速计算及有效存储方法技术”，以三维密度模型的正演公式说明剖分模型的正演情况，利用对称互换性与平移等效性简化网格点对观测点的异常体值的计算，极大地提高了计算效率，实验结果得到了比较好的效果。
《地球物理学进展》2012年02期公开了陈召曦等“重磁数据三维物性反演方法进展”，介绍了等效存储几何格架技术并推导了基于网格点格架的对称互换性与平移等效性的公式，并将两个公式合并来简化运算。利用该技术，计算完每一层的第一个网格单元的几何格架值，可以通过合并后的公式得出所有网格单元的几何格架值，这样可以节省大量的计算量和存储量，为反演奠定基础，实验结果得到了比较好的效果。
申请号2019112091127，公开了一种基于网格点格架函数的重力异常体及梯度异常体的正演方法，包括以下步骤：步骤1：开始；步骤2：剖分模型空间，对异常体剩余密度赋值；步骤3：分别计算重力异常体和梯度异常体的格架函数；步骤4：判断观测点与长方体单元相对位置；步骤5：利用对称互换性和平移等效性；步骤6：调用重力异常体和梯度异常体的格架函数；步骤7：代数求和获得该长方体对该观测点的重力异常体以及梯度异常体；步骤8：得出整个模型体对该观测点的重力异常体和梯度异常体；步骤9：计算平面内的循环全部完成；步骤10：得出结果。本发明解决了现有计算方法计算效率不高的问题。
在应用原有的重力正演方法进行重力正演时，虽然应用格架函数的方法对其正演速度进行了提升，但格架函数仍存在着计算量大、运算速度慢的问题。因此对大规模的地下半空间进行重力异常体的正演或大尺度的数据集建立速度问题还需要一定的改进。
发明内容
本发明提供了一种可有效提升了重力正演的速度，使大规模数据集的建立成为可能的重力及梯度异常正演方法。
为了实现上述目的，本申请采用的技术方案是一种重力及梯度异常正演方法，包括以下步骤：
获取格架函数并储存该格架函数；
建立模型空间，对部分模型空间中的异常体剩余密度赋值；
确定观测点并确定该观测点周围选取的计算格架函数的范围，该范围形成一长方体，确定观测点与该长方体的相对位置关系；
根据所述相对位置关系并利用平移等效性同时调用格架函数，代数求和获得该长方体单元对观测点的剩余密度异常体；
计算整个模型空间对该观测点的重力异常体；
循环全部完成，得出工作区的磁张量异常体；
其特征在于，在建立模型空间，对部分模型空间中的异常体剩余密度赋值时，对模型空间中某一部分进行选取以形成子空间，确定后计算子空间；获取格架函数为计算子空间重力异常体的格架函数并储存该格架函数；
其中，所述计算子空间包含将计算子空间剖分成网格，所述计算子空间只限于子空间内的网格点在观测点产生的异常体值。
在进行大范围的地下半空间的重力及梯度异常体正演时，例如在选取256*256、512*512甚至1024*1024的范围作为全空间进行数据运算时申请人发现由于数据量多、正演过程复杂等原因，对全部格架函数进行计算及存储需要的时间较长，在实际应用及生产中效率较低，所以本申请采用在观测点一定范围内选取子空间，根据该子空间的观测点的位置的变化，子空间在全空间内的位置也会发生变化，在移动过程中可以得到全空间的异常体情况，即在计算时只考虑子空间内的网格点在观测点产生的异常体值，子空间之外的网格点由于距离观测点距离较远，通过本方法时可忽略这些点在观测点产生的异常体值。
进一步地是，所述计算子空间中包含确定网格的间距、异常体在网格中的位置，并将计算子空间计算区平面的单位换算为实际里程，并对异常体的剩余密度赋值。
进一步地是，计算子空间重力异常体的格架函数并储存该格架函数包含确定计算区平面内观测点的坐标，确定计算空间内剖分所得长方体模型单元的坐标，观测点在计算区平面内循环，长方体单元在整个计算空间内循环，分别计算模型空间内所有网格点对第一个观测点的重力异常体和梯度异常体的格架函数，然后存储待后期计算调用。
进一步地是，确定观测点与长方体的相对位置关系包含在计算子空间内，观测点每循环到一处，所述长方体在计算字空间内遍历循环一次，长方体在循环中每到一处，观测点与其有一个相对位置关系。
下面结合附图和具体实施方式对本发明做进一步的说明。本发明附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显。或通过本发明的实践了解到。
附图说明
构成本发明的一部分的附图用来辅助对本发明的理解，附图中所提供的内容及其在本发明中有关的说明可用于解释本发明，但不构成对本发明的不当限定。在附图中：
图1为用于说明实施方式中重力及梯度异常正演方法流程图；
图2为用于说明对整体模型空间选取子空间的示意图；
图3为用于说明实施方式中选取整体模型空间运算出来的不同的梯度的异常情况；
图4为用于说明实施方式中选取整体模型空间运算出来的整体模型空间的异常情况；
图5为用于说明实施方式中选取32*32子空间运算出来的不同的梯度的异常情况；
图6为用于说明实施方式中选取32*32子空间运算出来的整体模型空间的异常情况；
图7为用于说明实施方式中选取24*24子空间运算出来的不同的梯度的异常情况；
图8为用于说明实施方式中选取24*24子空间运算出来的整体模型空间的异常情况；
图9为用于说明实施方式中选取16*16子空间运算出来的不同的梯度的异常情况；
图10为用于说明实施方式中选取16*16子空间运算出来的整体模型空间的异常情况；
图11用于说明实施方式中256*256全空间与选取32*32子空间计算G0误差图；
图12用于说明实施方式中256*256全空间与选取32*32子空间计算Gxx误差；
图13用于说明实施方式中256*256全空间与选取32*32子空间计算Gxy误差图；
图14用于说明实施方式中256*256全空间与选取32*32子空间计算Gxz误差图；
图15用于说明实施方式中256*256全空间与选取32*32子空间计算Gyy误差图；
图16用于说明实施方式中256*256全空间与选取32*32子空间计算Gyz误差图；
图17用于说明实施方式中256*256全空间与选取32*32子空间计算Gzz误差图。
图18用于说明实施方式中选取的不同子空间运算所耗费时间的折线图。
具体实施方式
下面结合附图对本发明进行清楚、完整的说明。本领域普通技术人员在基于这些说明的情况下将能够实现本发明。在结合附图对本发明进行说明前，需要特别指出的是：
本发明中在包括下述说明在内的各部分中所提供的技术方案和技术特征，在不冲突的情况下，这些技术方案和技术特征可以相互组合。
此外，下述说明中涉及到的本发明的实施例通常仅是本发明一分部的实施例，而不是全部的实施例。因此，基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都应当属于本发明保护的范围。
关于本发明中术语和单位。本发明的说明书和权利要求书及有关的部分中的术语“包括”以及它的任何变形，意图在于覆盖不排他的包含。
如图1，本实施方式采用了一种重力及梯度异常正演方法，可按以下步骤进行：
S1.1、建立模型空间，对部分模型空间中的异常体剩余密度赋值，对模型空间中某一部分进行选取以形成子空间，如图2，确定后计算子空间；其中，所述计算子空间包含将计算子空间剖分成网格，所述计算子空间只限于子空间内的网格点在观测点产生的异常体值；
S1.2、计算子空间重力异常体的格架函数并储存该格架函数；
S1.3、确定观测点并确定该观测点周围选取的计算格架函数的范围，该范围形成一长方体，确定观测点与该长方体的相对位置关系；
S2、根据所述相对位置关系并利用平移等效性同时调用格架函数，代数求和获得该长方体单元对观测点的剩余密度异常体；
S3、计算整个模型空间对该观测点的重力异常体；
S4、循环全部完成，得出工作区的磁张量异常体。
上述的步骤S1.2计算子空间重力异常体的格架函数并储存该格架函数的步骤也可以是与步骤S1.1、S1.3同时进行。
所以本申请采用在观测点一定范围内选取子空间，根据该子空间的观测点的位置的变化，子空间在全空间内的位置也会发生变化，在移动过程中可以得到全空间的异常体情况，即在计算时只考虑子空间内的网格点在观测点产生的异常体值。
所述计算子空间中包含确定网格的间距、异常体在网格中的位置，并将计算子空间计算区平面的单位换算为实际里程，并对异常体的剩余密度赋值。
计算子空间重力异常体的格架函数并储存该格架函数包含确定计算区平面内观测点的坐标，确定计算空间内剖分所得长方体模型单元的坐标，观测点在计算区平面内循环，长方体单元在整个计算空间内循环，分别计算模型空间内所有网格点对第一个观测点的重力异常体和梯度异常体的格架函数，然后存储待后期计算调用。
确定观测点与长方体的相对位置关系包含在计算子空间内，观测点每循环到一处，所述长方体在计算字空间内遍历循环一次，长方体在循环中每到一处，观测点与其有一个相对位置关系。
对地下半空间进行网格划分示意图如图2，其中虚线部分与其形成长方体的实线部分为选取的子空间大小，子空间的大小根据所需的地下半空间大小不同决定不同的大小。
以下通过256*256的全空间进行举例，应用在256*256的全空间中选取不同大小的子空间进行运算对该程序进行解释验证。在全空间内共包含四个异常体，每个异常体的大小均为40*40。应用256*256全空间运算结果如图3和4，图中不同的深浅表示异常体的大小，横坐标和纵坐标分别表示观测点在X和Y方向的距离。附图3中图a代表gxx，图b代表gxy，图c代表gxz，图e代表gyy，图f代表gyy，图i代表gzz，代表了运算出来的不同的梯度的异常情况，以上的gxx、gxy、gxz……等均为不同方向的梯度异常的名称，附图中出现的图a图b，图c，图e，图f，图i均为上述含义。图4为整体256*256全空间运行时得到的重力异常情况。
256*256全空间选取32*32子空间运算结果如图5，选取32*32子空间运算得出整体256*256全空间运行时得到的重力异常情况如图6。
256*256全空间选取24*24子空间运算结果如图7，选取24*24子空间运算得出整体256*256全空间运行时得到的重力异常情况如图8。
256*256全空间选取16*16子空间运算结果如图9，选取16*16子空间运算得出整体256*256全空间运行时得到的重力异常情况如图10。
综上所述，在全空间范围内选取不同的子空间大小，得到以下表1和图18。
表1不同子空间运行时间
Figure BDA0003130713100000051
根据上述的数据可以看到，在保证运算结果准确性即精度的同时，采用本方法选取子空间进行格架函数计算的方法提高了对数据的处理速度，使现实生产中大数据集的构建成为可能，提升了工作的效率。
另应用这种方法，当子空间为32*32时计算格架函数所得结果，与选取全空间计算格架函数所得结果的误差。
如图11，256*256全空间与选取32*32子空间计算G0误差。
如图12，256*256全空间与选取32*32子空间计算Gxx误差。
如图13，256*256全空间与选取32*32子空间计算Gxy误差。
如图14，256*256全空间与选取32*32子空间计算Gxz误差。
如图15，256*256全空间与选取32*32子空间计算Gyy误差。
如图16，256*256全空间与选取32*32子空间计算Gyz误差。
如图17，256*256全空间与选取32*32子空间计算Gzz误差。
从以上误差可知，256*256的全空间内包含四个40*40大小的异常体时，在全空间内选取32*32的子空间进行对四个异常体的计算，产生的异常体误差范围为0～3g.u.；产生的梯度误差范围为0～4E。误差相对数值较小，可忽略不计。
因此采用本方法进行重力及异常体的正演，可以有效提升工作效率。并实现大尺度数据集的建立。
以上对本发明的有关内容进行了说明。本领域普通技术人员在基于这些说明的情况下将能够实现本发明。基于本发明的上述内容，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都应当属于本发明保护的范围。

Claims (4)

1.一种重力及梯度异常正演方法，包括以下步骤：
获取格架函数并储存该格架函数；
建立模型空间，对部分模型空间中的异常体剩余密度赋值；
确定观测点并确定该观测点周围选取的计算格架函数的范围，该范围形成一长方体，确定观测点与该长方体的相对位置关系；
根据所述相对位置关系并利用平移等效性同时调用格架函数，代数求和获得该长方体单元对观测点的剩余密度异常体；
计算整个模型空间对该观测点的重力异常体；
循环全部完成，得出工作区的磁张量异常体；
其特征在于，在建立模型空间，对部分模型空间中的异常体剩余密度赋值时，对模型空间中某一部分进行选取以形成子空间，确定后计算子空间；获取格架函数为计算子空间重力异常体的格架函数并储存该格架函数；
其中，所述计算子空间包含将计算子空间剖分成网格，所述计算子空间只限于子空间内的网格点在观测点产生的异常体值。
2.如权利要求1所述的重力及梯度异常正演方法，其特征在于，所述计算子空间中包含确定网格的间距、异常体在网格中的位置，并将计算子空间计算区平面的单位换算为实际里程，并对异常体的剩余密度赋值。
3.如权利要求1所述的重力及梯度异常正演方法，其特征在于，计算子空间重力异常体的格架函数并储存该格架函数包含确定计算区平面内观测点的坐标，确定计算空间内剖分所得长方体模型单元的坐标，观测点在计算区平面内循环，长方体单元在整个计算空间内循环，分别计算模型空间内所有网格点对第一个观测点的重力异常和梯度异常的格架函数，然后存储待后期计算调用。
4.如权利要求1所述的重力及梯度异常正演方法，其特征在于，确定观测点与长方体的相对位置关系包含在计算子空间内，观测点每循环到一处，所述长方体在计算字空间内遍历循环一次，长方体在循环中每到一处，观测点与其有一个相对位置关系。
CN202110702595.5A 2021-06-24 2021-06-24 一种重力及梯度异常正演方法 Active CN113486503B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110702595.5A CN113486503B (zh) 2021-06-24 2021-06-24 一种重力及梯度异常正演方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110702595.5A CN113486503B (zh) 2021-06-24 2021-06-24 一种重力及梯度异常正演方法

Publications (2)

Publication Number Publication Date
CN113486503A true CN113486503A (zh) 2021-10-08
CN113486503B CN113486503B (zh) 2023-05-23

Family

ID=77936051

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110702595.5A Active CN113486503B (zh) 2021-06-24 2021-06-24 一种重力及梯度异常正演方法

Country Status (1)

Country Link
CN (1) CN113486503B (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104459795A (zh) * 2014-12-08 2015-03-25 中国科学院南海海洋研究所 一种深度变密度的地壳伸展系数热校正重力异常反演方法
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
CN107273566A (zh) * 2017-05-08 2017-10-20 中国船舶重工集团公司第七〇七研究所 一种构建复杂形体引力梯度场的计算方法
US20180284744A1 (en) * 2016-05-09 2018-10-04 StrongForce IoT Portfolio 2016, LLC Methods and systems for a noise pattern data marketplace in an industrial internet of things environment
CN110941021A (zh) * 2019-11-30 2020-03-31 西南交通大学 基于网格点格架函数的重力异常及梯度异常的正演方法
US20200174464A1 (en) * 2018-05-07 2020-06-04 Strong Force Iot Portfolio 2016, Llc Methods and systems for detecting operating conditions of an industrial machine using the industrial internet of things
CN112147709A (zh) * 2020-08-03 2020-12-29 中国海洋石油集团有限公司 一种基于部分光滑约束的重力梯度数据三维反演方法
CN112596113A (zh) * 2021-01-08 2021-04-02 吉林大学 一种基于重力不同阶梯度特征值交点的场源位置识别方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104459795A (zh) * 2014-12-08 2015-03-25 中国科学院南海海洋研究所 一种深度变密度的地壳伸展系数热校正重力异常反演方法
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
US20180284744A1 (en) * 2016-05-09 2018-10-04 StrongForce IoT Portfolio 2016, LLC Methods and systems for a noise pattern data marketplace in an industrial internet of things environment
CN107273566A (zh) * 2017-05-08 2017-10-20 中国船舶重工集团公司第七〇七研究所 一种构建复杂形体引力梯度场的计算方法
US20200174464A1 (en) * 2018-05-07 2020-06-04 Strong Force Iot Portfolio 2016, Llc Methods and systems for detecting operating conditions of an industrial machine using the industrial internet of things
CN110941021A (zh) * 2019-11-30 2020-03-31 西南交通大学 基于网格点格架函数的重力异常及梯度异常的正演方法
CN112147709A (zh) * 2020-08-03 2020-12-29 中国海洋石油集团有限公司 一种基于部分光滑约束的重力梯度数据三维反演方法
CN112596113A (zh) * 2021-01-08 2021-04-02 吉林大学 一种基于重力不同阶梯度特征值交点的场源位置识别方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
《地球物理学进展》 张志厚等: "基于全卷积神经网络的磁异常及磁梯度异常反演" *
MOSTAFA E. MOSTAFA: "Finite cube elements method for calculating gravity anomaly and structural index of solid and fractal bodies with defined boundaries" *
石泽玉等: "重力及其梯度异常正演的Moving-footprint大尺度模型分解方法" *

Also Published As

Publication number Publication date
CN113486503B (zh) 2023-05-23

Similar Documents

Publication Publication Date Title
CN110941021B (zh) 基于网格点格架函数的重力异常及梯度异常的正演方法
CN111323830B (zh) 一种基于大地电磁和直流电阻率数据的联合反演方法
US10439594B2 (en) Actually-measured marine environment data assimilation method based on sequence recursive filtering three-dimensional variation
CN101661514B (zh) 一种油藏黑油模型数值模拟系统
EP1751585B1 (en) Method for building a three dimensional cellular partition of a geological domain
CN111737835B (zh) 基于三周期极小曲面的三维多孔散热结构的设计与优化方法
CN111523713B (zh) 一种预测油田中剩余油饱和度分布的方法和装置
CN107908913B (zh) 基于并行计算机的地球动力数模方法
CN112363236B (zh) 一种基于pde的重力场数据等效源延拓与数据类型转换方法
CN104183008B (zh) 一种基于表面信号拟合和曲面细分的着色器简化方法、装置及图形渲染方法
JPH06139212A (ja) 分散記憶型並列計算機のためのデータ分割パタンの評価方法、それを用いた並列プログラム生成方法およびそのためのプログラム実行時間の推定方法
CN106372393B (zh) 一种基于装配矩阵的复杂装配体的装配序列规划方法
CN110161968B (zh) 一种基于包裹式原理的数控机床热误差预测方法
CN114332413A (zh) 一种基于滑动克里金插值的地质体建模方法及装置
CN107393002A (zh) 对地形边界进行提取的设备和方法
CN116433864A (zh) 采煤工作面三维地质隐式建模方法及装置
CN113486503A (zh) 一种重力及梯度异常正演方法
CN107886573B (zh) 一种复杂地质条件下边坡三维有限元网格生成方法
CN116882323B (zh) 一种考虑时序性及细分任务的自适应代理策略优化方法
CN109542406A (zh) 用于模式开发的并行求解方法和系统
CN116721227A (zh) 一种复杂地质体三维地质模型自动化建模方法
CN110968930B (zh) 一种地质体变属性插值方法及系统
CN113779818B (zh) 三维地质体其电磁场数值模拟方法、装置、设备及介质
CN114114438B (zh) 一种回线源地空瞬变电磁数据的拟三维反演方法
CN114740540A (zh) 一种基于方向约束的洋中脊区磁异常图构建方法及系统

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