CN113627051B - 一种重力异常场分离方法、系统、存储介质和电子设备 - Google Patents

一种重力异常场分离方法、系统、存储介质和电子设备 Download PDF

Info

Publication number
CN113627051B
CN113627051B CN202110837365.XA CN202110837365A CN113627051B CN 113627051 B CN113627051 B CN 113627051B CN 202110837365 A CN202110837365 A CN 202110837365A CN 113627051 B CN113627051 B CN 113627051B
Authority
CN
China
Prior art keywords
grid
field
grids
gravity anomaly
gravity
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.)
Active
Application number
CN202110837365.XA
Other languages
English (en)
Other versions
CN113627051A (zh
Inventor
荆磊
杨亚斌
施苏利
张光之
徐梦龙
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.)
Institute of Geophysical and Geochemical Exploration of CAGS
Original Assignee
Institute of Geophysical and Geochemical Exploration of CAGS
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 Institute of Geophysical and Geochemical Exploration of CAGS filed Critical Institute of Geophysical and Geochemical Exploration of CAGS
Priority to CN202110837365.XA priority Critical patent/CN113627051B/zh
Publication of CN113627051A publication Critical patent/CN113627051A/zh
Application granted granted Critical
Publication of CN113627051B publication Critical patent/CN113627051B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06F30/23—Design optimisation, verification or simulation using finite element methods [FEM] or finite difference methods [FDM]
    • 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)
  • Image Analysis (AREA)

Abstract

本发明涉及地球物理勘探领域，提供一种重力异常场分离方法、系统、存储介质和电子设备，在网格划分后的预设区域的最底层位置，间隔选取多个网格；利用所有选取的网格作为格架，拟合待分离重力异常场g0，得到等效源模型，对等效源模型对应的剩余异常场的均方差进行判断，以保证根据等效源模型所得到的的重力场分离结果的准确度，且通过试验证明，本申请的技术方案可以极大的改善虚假异常的出现。

Description

一种重力异常场分离方法、系统、存储介质和电子设备
技术领域
本发明涉及地球物理勘探领域，尤其涉及一种重力异常场分离方法、系统、存储介质和电子设备。
背景技术
我国重要的资源如金属矿产资源、石油等的供应形势极为严峻，迫切需要开辟能源与重要矿产资源战略新区和接替基地，向深部找油、找气、找矿成为必然。重磁勘探在深部探测中具有成本低、快速的优势，已成为现代地球物理方法中的重要勘查手段。
其中，重磁勘探具体为：一般以地球的重力场作为被探测物体的引力场，以地球的磁场作为被探测物体的磁化场，从而用重、磁力仪器观测被探测物体受地球的吸引所产生的重力异常及其被地磁场磁化后所产生的磁异常，来达到的探测目的。
其中，实测的重力异常场是地下地质体引起的重力效应的叠加，重力数据的反演及解释往往需要对应于目标地质体引起的重力效应，因此需要进行重力异常场的分离处理。且重力异常场的分离是重磁勘探中的重要环节。
目前，现有的重力异常场分离方法基本上可以理解为狭义或广义的滤波操作，因此会受制于滤波器的限制，其中，高频滤波的结果往往会产生虚假异常。重力异常场的分离的准确与否，直接影响重力方法后续的反演及解释的效果，因此，如何提高对重力异常场的分离的准确度，是业内亟待解决的技术问题。
发明内容
本发明所要解决的技术问题是针对现有技术的不足，提供了一种重力异常场分离方法、系统、存储介质和电子设备。
本发明的一种重力异常场分离方法的技术方案如下：
S1、对用于表征预设地下空间的预设区域进行网格划分；
S2、在网格划分后的所述预设区域的最底层位置，间隔选取多个网格；
S3、利用所有选取的网格作为格架，拟合待分离重力异常场g0，得到每个选取的网格的密度值，结合所述格架、以及每个选取的网格的密度值，得到等效源模型；
利用所述等效源模型正演计算重力异常场g2，并利用公式得到剩余异常场g1，所述公式为g1＝g0-g2，判断所述剩余异常场g1的均方差是否小于预设均方差阈值，得到第一判断结果；
S4、当所述第一判断结果为是时，将所述等效源模型确定为目标等效源模型，并利用所述目标等效源模型正演所述待分离重力异常场g0，得到所述待分离重力异常场g0对应的重力场分离结果。
本发明的一种重力异常场分离方法的有益效果如下：
在网格划分后的预设区域的最底层位置，间隔选取多个网格；利用所有选取的网格作为格架，拟合待分离重力异常场g0，得到等效源模型，对等效源模型对应的剩余异常场的均方差进行判断，以保证根据等效源模型所得到的的重力场分离结果的准确度，且通过实验证明，本申请的技术方案可以极大的改善虚假异常的出现，准确度高。
在上述方案的基础上，本发明的一种重力异常场分离方法还可以做如下改进。
进一步，还包括：
S5、当所述第一判断结果为否时，根据预设条件从所述预设区域中的所有未选取的网格中选取新的网格，并返回执行S3。
进一步，所述根据预设条件从所述预设区域中的所有未选取的网格中选取新的网格，包括：
在网格划分后的所述预设区域内，对所述剩余异常场g1进行视密度成像，得到视密度成像结果；
判断所述剩余异常场g1所有的重力场值的绝对值中的最大值是否大于预设阈值，得到第二判断结果；
当第二判断结果为是时，根据所述视密度成像结果，获取并对每个第一网格的视密度值的绝对值进行降序排列，得到第一序列，将所述第一序列中的前1个或2个绝对值对应的第一网格作为所述新的网格，其中，第一网格表示：所述预设区域中的任一未选取的网格；
当第二判断结果为否时，根据所述视密度成像结果，获取并对每个第二网格的视密度值的绝对值进行降序排列，得到第二序列，将所述第二序列中的前1个或2个绝对值对应的第二网格作为所述新的网格，其中，第二网格表示：所述预设区域中，每个已选取的网格所相邻的所有未选取的网格所形成的并集中的任一网格。
采用上述进一步技术方案的有益效果是：
待分离重力异常场g0一般包括高频成分和低频成分，由于不同深度的网格对应不同频率的正演系数，所以，在等效源计算过程中，不同深度的网格对待分离重力异常场g0中的不同频率的成分的敏感程度不一样，再通过多次优化等效源模型，得到目标等效源模型，从而基本实现深部的网格主要拟合待分离重力异常场g0中的低频成分，浅部的网格主要拟合待分离重力异常场g0中的高频成分。
因此使用本申请的方法的假设前提是：待分离重力异常场g0的高频成分是由浅部的异常体产生，低频成分是由深部的异常体产生。一般通过滤波形式得到的重力场分离结果，其分离出的高频成分往往会伴有虚假异常。本方法得到的重力场分离结果，可以极大的改善虚假异常的出现。
进一步，所述S5还包括：
当所述第一判断结果为否时，统计执行所述S3的迭代次数，当所述迭代次数大于预设迭代次数阈值时，将最后得到的等效源模型作为所述目标等效源模型。
本发明的一种重力异常场分离系统的技术方案如下：
包括网格划分模块、选取模块、获取判断模块和确定模块；
所述网格划分模块用于对用于表征预设地下空间的预设区域进行网格划分；
所述选取模块用于：在网格划分后的所述预设区域的最底层位置，间隔选取多个网格；
所述获取判断模块用于：利用所有选取的网格作为格架，拟合待分离重力异常场g0，得到每个选取的网格的密度值，结合所述格架、以及每个选取的网格的密度值，得到等效源模型；
利用所述等效源模型正演计算重力异常场g2，并利用公式得到剩余异常场g1，所述公式为g1＝g0-g2，判断所述剩余异常场g1的均方差是否小于预设均方差阈值，得到第一判断结果；
所述确定模块用于：当所述第一判断结果为是时，将所述等效源模型确定为目标等效源模型，并利用所述目标等效源模型正演所述待分离重力异常场g0，得到所述待分离重力异常场g0对应的重力场分离结果。
本发明的一种重力异常场分离系统的有益效果如下：
在网格划分后的预设区域的最底层位置，间隔选取多个网格；利用所有选取的网格作为格架，拟合待分离重力异常场g0，得到等效源模型，对等效源模型对应的剩余异常场的均方差进行判断，以保证根据等效源模型所得到的的重力场分离结果的准确度，且通过实验证明，本申请的技术方案可以极大的改善虚假异常的出现，准确度高。
在上述方案的基础上，本发明的一种重力异常场分离系统还可以做如下改进。
进一步，还包括更新模块，所述更新模块用于：
当所述第一判断结果为否时，根据预设条件从所述预设区域中的所有未选取的网格中选取新的网格，并重新调用所述获取判断模块和所述确定模块。
进一步，所述更新模块具体用于：
在网格划分后的所述预设区域内，对所述剩余异常场g1进行视密度成像，得到视密度成像结果；
判断所述剩余异常场g1所有的重力场值的绝对值中的最大值是否大于预设阈值，得到第二判断结果；
当第二判断结果为是时，根据所述视密度成像结果，获取并对每个第一网格的视密度值的绝对值进行降序排列，得到第一序列，将所述第一序列中的前1个或2个绝对值对应的第一网格作为所述新的网格，其中，第一网格表示：所述预设区域中的任一未选取的网格；
当第二判断结果为否时，根据所述视密度成像结果，获取并对每个第二网格的视密度值的绝对值进行降序排列，得到第二序列，将所述第二序列中的前1个或2个绝对值对应的第二网格作为所述新的网格，其中，第二网格表示并集网格集合中的任一网格，所述并集网格集合的获取过程包括：
将所述预设区域中的任一已选取的网格所相邻的所有未选取的网格确定该已选取的网格对应的网格集合，直至得到每个已选取的网格对应的网格集合，将所有网格集合的并集确定为所述并集网格集合。
进一步，所述更新模块还用于：当所述第一判断结果为否时，统计调用所述获取判断模块和所述确定模块的迭代次数，当所述迭代次数大于预设迭代次数阈值时，将最后得到的等效源模型作为所述目标等效源模型。
本发明的一种存储介质的技术方案为：所述存储介质中存储有指令，当计算机读取所述指令时，使所述计算机执行上述任一项所述的一种重力异常场分离方法。
本发明的一种电子设备的技术方案为：包括存储器、处理器及存储在所述存储器上并在所述处理器上运行的程序，所述处理器执行所述程序时实现如权利要求上述任一项所述的一种重力异常场分离方法的步骤。
附图说明
图1为本发明实施例的一种重力异常场分离方法的流程示意图；
图2为划分网格后的预设区域的结构示意图；
图3为待分离重力异常场g0和其包括的两个局部正异常场和一个区域场的异常曲线图；
图4为待分离重力异常场g0、待分离重力异常场g0的区域场，以及重力异常分离结果的重力异常场和区域场的异常曲线图；
图5为分离重力异常场g0的两个重力正异常场，以及重力异常分离结果的两个重力正异常场的异常曲线图；
图6为目标等效源模型与待分离重力异常场g0的视密度成像的对比示意图；
图7为待分离重力异常场g0、待分离重力异常场g0的两个局部正异常场所组成的局部总场、以及利用窗口法得到的重力场分离结果的两个局部正异常场所组成的局部总场和区域场的曲线图；
图8为待分离重力异常场g0和其包括的一个局部正异常场、一个局部负异常场、一个区域场的异常曲线图；
图9为待分离重力异常场g0、待分离重力异常场g0的区域场，以及重力异常分离结果的重力异常场和区域场的异常曲线图；
图10为待分离重力异常场g0的一个重力正异常场、一个重力负异常场，以及重力异常分离结果的一个重力正异常场、一个重力负异常场的异常曲线图；
图11为目标等效源模型与待分离重力异常场g0的视密度成像的对比示意图；
图12为待分离重力异常场g0、待分离重力异常场g0的一个局部正异常场和一个局部负异常场所组成的局部总场、利用窗口法得到的重力场分离结果的一个局部正异常场和一个局部负异常场所形成的局部总场和区域场的曲线图；
图13为本发明实施例的一种重力异常场分离方法的结构示意图；
具体实施方式
如图1所示，本发明实施例的一种重力异常场分离方法，包括如下步骤：
S1、对用于表征预设地下空间的预设区域进行网格划分，具体地：
可设置网格划分的条件对用于表征预设地下空间的预设区域进行网格划分，网格划分的条件包括设置每个网格的形状和大小，例如设置网格的形状为矩形时，得到多个矩形网格，例如设置网格的形状为三角形时，得到多个三角网格，每个网格的大小会影响计算效率和最终重力场分离结果的精度，当对计算效率有要求时，划分为较大的网格，当对最终重力场分离结果的精度有较高要求时，划分为较小的网格，且具体网格划分的具体细节技术，可参考有限元计算中的网格划分，在此不做赘述。
表征预设地下空间的预设区域具体为：例如，预设地下空间为：从地面到距离地面1000米的深度范围内，那么，预设区域的最底层的边界表示距离地面1000米的深度，预设区域的最高层的边界表示地面，也就是说，预设区域的最高层的边界与最底层的边界之间，模拟了从地面到距离地面1000米的深度范围的预设地下空间。
S2、在网格划分后的所述预设区域的最底层位置，间隔选取多个网格，以预设区域为矩形区域为例进行说明，具体地：
如图2所示，将预设区域进行网格划分，得到56个网格，并为56个网格进行编号，编号为1～56，那么，最底层位置包括编号为1～8的网格，可每间隔1个网格进行选取，此时选取的网格包括：编号为1的网格、编号为3的网格、编号为5的网格和编号为7的网格，或者，编号为8的网格、编号为6的网格、编号为4的网格和编号为2的网格；
可以理解的是，无论S2中初始选取的网格是上述两种情况中哪一种，一方面，S2中初始选取的所有网格之间相对关系没有发生改变，不影响直接得到的重力场分离结果的准确度；另一方面，在后续S5中还要继续选取新的网格，对等效源模型进行更新，也不影响得到的重力场分离结果的准确度。
S3、利用所有选取的网格作为格架，拟合待分离重力异常场g0，得到每个选取的网格的密度值，结合所述格架、以及每个选取的网格的密度值，得到等效源模型；
利用所述等效源模型正演计算重力异常场g2，并利用公式得到剩余异常场g1，所述公式为g1＝g0-g2，判断所述剩余异常场g1的均方差是否小于预设均方差阈值，得到第一判断结果；其中，正演过程为本领域人员所悉知；待分离重力异常场g0是由多个重力场值组成的数组，重力异常场g2也是多个重力场值组成的数组，得到的剩余异常场g1也为多个重力场值组成的数组，进而计算得到剩余异常场g1的均方差。
其中，通过如下实例对格架进行具体解释：
当所有选取的网格包括：编号为1的网格、编号为3的网格、编号为5的网格和编号为7的网格时，则格架包括：编号为1的网格、编号为3的网格、编号为5的网格和编号为7的网格分别在预设区域中的具体位置，以及编号为1的网格、编号为3的网格、编号为5的网格和编号为7的网格各自的网格属性如网格大小、网格上的节点等，此时只用编号为1的网格、编号为3的网格、编号为5的网格和编号为7的网格来对待分离重力异常场g0进行拟合，那么：
众所周知，对待分离重力异常场g0进行拟合时，不可能百分之百的拟合出待分离重力异常场g0，例如，可设置拟合的结束条件来结束拟合，如拟合到相似度为50％时就结束拟合，如当拟合时间达到1分钟，就停止拟合，在拟合过程中，能得到每个选取的网格的密度值，结合格架、以及每个选取的网格的密度值，得到等效源模型，密度值相当于在每个选取的网格中增加的另一种属性。
然后，利用所述等效源模型正演计算重力异常场g2，正演过程为本领域人员所悉知，并利用公式得到剩余异常场g1，所述公式为g1＝g0-g2，判断所述剩余异常场g1的均方差是否小于预设均方差阈值，得到第一判断结果；
S4、当所述第一判断结果为是时，将所述等效源模型确定为目标等效源模型，并利用所述目标等效源模型正演所述待分离重力异常场g0，得到所述待分离重力异常场g0对应的重力场分离结果。
在网格划分后的预设区域的最底层位置，间隔选取多个网格；利用所有选取的网格作为格架，拟合待分离重力异常场g0，得到等效源模型，对等效源模型对应的剩余异常场的均方差进行判断，以保证根据等效源模型所得到的的重力场分离结果的准确度，且通过实验证明，本申请的技术方案可以极大的改善虚假异常的出现，准确度高。
较优地，在上述技术方案中，还包括：
S5、当所述第一判断结果为否时，根据预设条件从所述预设区域中的所有未选取的网格中选取新的网格，并返回执行S3。
较优地，在上述技术方案中，S5中，所述根据预设条件从所述预设区域中的所有未选取的网格中选取新的网格，包括：
S50、在网格划分后的所述预设区域内，对所述剩余异常场g1进行视密度成像，得到视密度成像结果，视密度成像结果中包括预设区域中的每个网格的视密度值。
S51、判断所述剩余异常场g1所有的重力场值的绝对值中的最大值是否大于预设阈值，得到第二判断结果，当第二判断结果为是时，执行S52，当当第二判断结果为否时，执行S53；
其中，剩余异常场g1是由多个重力场值组成的数组，通过比较，即可得到所述剩余异常场g1所有的重力场值的绝对值中的最大值。
S52、当第二判断结果为是时，根据所述视密度成像结果，获取并对每个第一网格的视密度值的绝对值进行降序排列，得到第一序列，将所述第一序列中的前1个或2个绝对值对应的第一网格作为所述新的网格，其中，第一网格表示：所述预设区域中的任一未选取的网格；
S53、当第二判断结果为否时，根据所述视密度成像结果，获取并对每个第二网格的视密度值的绝对值进行降序排列，得到第二序列，将所述第二序列中的前1个或2个绝对值对应的第二网格作为所述新的网格，其中，第二网格表示并集网格集合中的任一网格，所述并集网格集合的获取过程包括：
将所述预设区域中的任一已选取的网格所相邻的所有未选取的网格确定该已选取的网格对应的网格集合，直至得到每个已选取的网格对应的网格集合，将所有网格集合的并集确定为所述并集网格集合。
例如，已选取的网格包括：编号为1的网格、编号为3的网格、编号为5的网格和编号为7的网格时，那么：
1)编号为1的网格的相邻的所有未选取的网格包括：编号为2的网格、编号为9的网格、编号为10的网格，即编号为1的网格对应的网格集合中包括：编号为2的网格、编号为9的网格、编号为10的网格；
2)编号为3的网格的相邻的所有未选取的网格包括：编号为2的网格、编号为4的网格、编号为10的网格、编号为11的网格和编号为12的网格，即编号为3的网格对应的网格集合中包括：编号为2的网格、编号为4的网格、编号为10的网格、编号为11的网格和编号为12的网格；
3)编号为5的网格的相邻的所有未选取的网格包括：编号为4的网格、编号为6的网格、编号为12的网格、编号为13的网格和编号为15的网格，即编号为5的网格对应的网格集合中包括：编号为4的网格、编号为6的网格、编号为12的网格、编号为13的网格和编号为14的网格；
4)编号为7的网格的相邻的所有未选取的网格包括：编号为6的网格、编号为8的网格、编号为14的网格、编号为15的网格和编号为16的网格，即编号为7的网格对应的网格集合中包括：编号为6的网格、编号为8的网格、编号为14的网格、编号为15的网格和编号为16的网格；
将上述4个网格集合的并集确定为并集网格集合，则并集网格集合中包括：编号为2的网格、编号为4的网格、编号为6的网格、编号为8的网格、编号为9的网格、编号为10的网格、编号为11的网格、编号为12的网格，编号为13的网格、编号为14的网格、编号为15的网格和编号为16的网格；
也就是说，此时，编号为2的网格、编号为4的网格、编号为6的网格、编号为8的网格、编号为9的网格、编号为10的网格、编号为11的网格、编号为12的网格，编号为13的网格、编号为14的网格、编号为15的网格和编号为16的网格均为第二网格，获取并对每个第二网格的视密度值的绝对值进行降序排列，得到第二序列，将所述第二序列中的前1个或2个绝对值对应的第二网格作为新的网格，返回执行S3。
较优地，在上述技术方案中，所述S5还包括：
当所述第一判断结果为否时，统计执行所述S3的迭代次数，当所述迭代次数大于预设迭代次数阈值时，将最后得到的等效源模型作为所述目标等效源模型，迭代次数阈值可根据时间情况进行设置，在此不做赘述。
下面对本申请的一种重力异常场分离方法进行验证，具体地：
待分离重力异常场g0一般包括高频成分和低频成分，由于不同深度的网格对应不同频率的正演系数，所以，在等效源计算过程中，不同深度的网格对待分离重力异常场g0中的不同频率的成分的敏感程度不一样，再通过多次优化等效源模型，得到目标等效源模型，从而基本实现深部的网格主要拟合待分离重力异常场g0中的低频成分，浅部的网格主要拟合待分离重力异常场g0中的高频成分。
因此使用本申请的方法的假设前提是：待分离重力异常场g0的高频成分是由浅部的异常体产生，低频成分是由深部的异常体产生。一般通过滤波形式得到的重力场分离结果，其分离出的高频成分往往会伴有虚假异常。本方法得到的重力场分离结果，可以极大的改善虚假异常的出现。
1)实验1：待分离重力异常场g0的高频成分包括两个局部正异常场，低频成分包括一个区域场，如图3所示，通过本申请的一种重力异常场分离方法，得到重力场分离结果，图3中，实线表示待分离重力异常场g0，由“○”组成的线条表示：待分离重力异常场g0的局部正异常场1，即第一个局部正异常场，由“·”组成的线条表示：待分离重力异常场g0的局部正异常场2，即第二个局部正异常场，虚线表示待分离重力异常场g0的区域场即区域异常；
得到的重力场分离结果如图4和图5所示，包括待分离重力异常场g0的两个局部正异常场和一个区域场，且从图4和图5中可以看出，第二个局部正异常场的部分值被分配到了区域场中，但是整体的重力场分离结果与待分离重力异常场g0的局部正异常场和区域场具有很好的对应关系；
其中，图4中的实线表示待分离重力异常场g0，由“○”组成的线条表示：重力异常场分离结果即重力场分离结果的重力异常场，虚线表示待分离重力异常场g0的区域场，由米字形即组成的线条表示重力异常场分离结果即重力场分离结果的区域场；
其中，图5中的实线表示待分离重力异常场g0的局部正异常场1，即第一个局部正异常场，由“○”组成的线条表示：重力异常场分离结果即重力场分离结果的局部正异常场1，即第一个局部正异常场，虚线表示待分离重力异常场g0的局部正异常场2，即第二个局部正异常场，由米字形即组成的线条表示重力异常场分离结果即重力场分离结果的局部正异常场2，即第二个局部正异常场；
将目标等效源模型和待分离重力异常场g0的视密度成像对比发现，如图6所示，浅部的网格的横向分布与视密度成像中的两个局部正异常场的中心位置存在很好的对应关系。
为了对比本申请与现有的重力异常场分离方法的分离效果，现有的重力异常场分离方法以窗口法为例，将待分离重力异常场g0进行分离，得到的分离后的异常曲线图如图7所示，从图7中明显看出：
采用窗口法得到的区域场包含大量局部正异常场的场值，导致区域场出现扭曲变形，以及局部正异常场的整体小于待分离重力异常场g0的局部正异常场，且伴有局部负异常场的出现。因此窗口法对该叠加有局部正异常场和区域场的待分离重力异常场g0的分离结果，与待分离重力异常场g0的局部正异常场和区域场的差距较大，分离效果不理想，达不到本申请的技术效果。
图7中，实线表示待分离重力异常场g0，虚线表示待分离重力异常场g0的两个局部正异常场所组成的局部总场，由米字形即组成的线条表示利用窗口法得到的重力场分离结果的两个局部异常场所组成的局部总场，由“□”组成的线条表示利用窗口法得到的重力场分离结果的区域场；
2)实验2：
待分离重力异常场g0的高频成分包括一个局部正异常场，一个局部负异常场，低频成分包括一个区域场，如图8所示，得到的重力场分离结果如图9和图10所示；
图8中的实线表示待分离重力异常场g0，由“○”组成的线条表示待分离重力异常场g0的一个局部正异常场，由米字形组成的线条表示待分离重力异常场g0的一个局部负异常场，虚线表示待分离重力异常场g0的区域异常即区域场；
图9中，实线表示待分离重力异常场g0，由“○”组成的线条表示重力异常场分离结果即重力场分离结果的重力异常场，虚线表示待分离重力异常场g0的区域场，由米字形组成的线条表示重力异常场分离结果即重力场分离结果的区域场；
图10中，实线表示待分离重力异常场g0的局部正异常场，由“○”组成的线条表示重力异常场分离结果即重力场分离结果的局部正异常场，虚线表示待分离重力异常场g0的局部负异常场，由米字形组成的线条表示重力异常场分离结果即重力场分离结果的局部负异常场；
根据图9和图10可以明显看出：包括待分离重力异常场g0的一个局部正异常场、一个局部负异常场和一个区域场，且从图9中可以看出，整体的重力场分离结果与待分离重力异常场g0的局部正异常场、局部负异常场和区域场具有很好的对应关系。
将目标等效源模型和待分离重力异常场g0的视密度成像对比发现，如图11所示，浅部的网格的横向分布与视密度成像中的局部正异常场和局部负异常场的中心位置存在很好的对应关系。
为了对比本申请与现有的重力异常场分离方法的分离效果，现有的重力异常场分离方法以窗口法为例，将待分离重力异常场g0进行分离，得到的分离后的异常曲线图如图12所示，图12中，实线表示待分离重力异常场g0，虚线表示待分离重力异常场g0的一个局部正异常场和一个局部负异常场所组成的局部总场，由米字形即组成的线条表示利用窗口法得到的重力场分离结果的一个局部正异常场和一个局部负异常场所形成的局部总场，由“□”组成的线条表示利用窗口法得到的重力场分离结果的区域场；从图12中明显看出：
采用窗口法得到的区域场包含大量局部正异常场和局部负异常场的场值，导致区域场出现扭曲变形，且局部正异常场和局部负异常场的局部幅值相比于待分离重力异常场g0的局部正异常场和局部负异常场的局部幅值较小，损失待分离重力异常场g0中的信息，且产生虚假异常，因此，窗口法对该叠加有局部正异常场、局部负异常场和区域场的待分离重力异常场g0的分离结果，与待分离重力异常场g0的局部正异常场、局部负异常场和区域场的差距较大，分离效果不理想，达不到本申请的技术效果。
在上述各实施例中，虽然对步骤进行了编号S1、S2等，但只是本申请给出的具体实施例，本领域的技术人员可根据实际情况调整S1、S2等的执行顺序，此也在本发明的保护范围内，可以理解，在一些实施例中，可以包含如上述各实施方式中的部分或全部。
如图13所示，本发明实施例的一种重力异常场分离系统200，包括网格划分模块210、选取模块220、获取判断模块230和确定模块240；
所述网格划分模块210用于对用于表征预设地下空间的预设区域进行网格划分；
所述选取模块220用于：在网格划分后的所述预设区域的最底层位置，间隔选取多个网格；
所述获取判断模块230用于：利用所有选取的网格作为格架，拟合待分离重力异常场g0，得到每个选取的网格的密度值，结合所述格架、以及每个选取的网格的密度值，得到等效源模型；
利用所述等效源模型正演计算重力异常场g2，并利用公式得到剩余异常场g1，所述公式为g1＝g0-g2，判断所述剩余异常场g1的均方差是否小于预设均方差阈值，得到第一判断结果；
所述确定模块240用于：当所述第一判断结果为是时，将所述等效源模型确定为目标等效源模型，并利用所述目标等效源模型正演所述待分离重力异常场g0，得到所述待分离重力异常场g0对应的重力场分离结果。
在网格划分后的预设区域的最底层位置，间隔选取多个网格；利用所有选取的网格作为格架，拟合待分离重力异常场g0，得到等效源模型，对等效源模型对应的剩余异常场的均方差进行判断，以保证根据等效源模型所得到的的重力场分离结果的准确度，且通过实验证明，本申请的技术方案可以极大的改善虚假异常的出现，准确度高。
较优地，在上述技术方案中，还包括更新模块，所述更新模块用于：
当所述第一判断结果为否时，根据预设条件从所述预设区域中的所有未选取的网格中选取新的网格，并重新调用所述获取判断模块230和所述确定模块240。
较优地，在上述技术方案中，所述更新模块具体用于：
在网格划分后的所述预设区域内，对所述剩余异常场g1进行视密度成像，得到视密度成像结果；
判断所述剩余异常场g1所有的重力场值的绝对值中的最大值是否大于预设阈值，得到第二判断结果；
当第二判断结果为是时，根据所述视密度成像结果，获取并对每个第一网格的视密度值的绝对值进行降序排列，得到第一序列，将所述第一序列中的前1个或2个绝对值对应的第一网格作为所述新的网格，其中，第一网格表示：所述预设区域中的任一未选取的网格；
当第二判断结果为否时，根据所述视密度成像结果，获取并对每个第二网格的视密度值的绝对值进行降序排列，得到第二序列，将所述第二序列中的前1个或2个绝对值对应的第二网格作为所述新的网格，其中，第二网格表示并集网格集合中的任一网格，所述并集网格集合的获取过程包括：
将所述预设区域中的任一已选取的网格所相邻的所有未选取的网格确定该已选取的网格对应的网格集合，直至得到每个已选取的网格对应的网格集合，将所有网格集合的并集确定为所述并集网格集合。
较优地，在上述技术方案中，所述更新模块还用于：当所述第一判断结果为否时，统计调用所述获取判断模块和所述确定模块的迭代次数，当所述迭代次数大于预设迭代次数阈值时，将最后得到的等效源模型作为所述目标等效源模型。
上述关于本发明的一种重力异常场分离系统200中的各参数和各个单元模块实现相应功能的步骤，可参考上文中关于一种重力异常场分离方法的实施例中的各参数和步骤，在此不做赘述。
本发明实施例的一种存储介质，所述存储介质中存储有指令，当计算机读取所述指令时，使所述计算机执行上述任一项所述的一种重力异常场分离方法。
本发明实施例的一种电子设备，包括存储器、处理器及存储在所述存储器上并在所述处理器上运行的程序，所述处理器执行所述程序时实现上述任一实施的一种重力异常场分离方法的步骤。
其中，电子设备可以选用电脑、手机等，相对应地，其程序为电脑软件或手机APP等，且上述关于本发明的一种电子设备中的各参数和步骤，可参考上文中一种重力异常场分离方法的实施例中的各参数和步骤，在此不做赘述。
所属技术领域的技术人员知道，本发明可以实现为系统、方法或计算机程序产品。
因此，本公开可以具体实现为以下形式，即：可以是完全的硬件、也可以是完全的软件(包括固件、驻留软件、微代码等)，还可以是硬件和软件结合的形式，本文一般称为“电路”、“模块”或“系统”。此外，在一些实施例中，本发明还可以实现为在一个或多个计算机可读介质中的计算机程序产品的形式，该计算机可读介质中包含计算机可读的程序代码。
可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是一一但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)，只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (6)

1.一种重力异常场分离方法，其特征在于，包括：
S1、对用于表征预设地下空间的预设区域进行网格划分；
S2、在网格划分后的所述预设区域的最底层位置，间隔选取多个网格；
S3、利用所有选取的网格作为格架，拟合待分离重力异常场，得到每个选取的网格的密度值，结合所述格架、以及每个选取的网格的密度值，得到等效源模型；
利用所述等效源模型正演计算重力异常场，并利用公式得到剩余异常场/>，所述公式为/>，判断所述剩余异常场/>的均方差是否小于预设均方差阈值，得到第一判断结果；
S4、当所述第一判断结果为是时，将所述等效源模型确定为目标等效源模型，并利用所述目标等效源模型正演所述待分离重力异常场，得到所述待分离重力异常场/>对应的重力场分离结果；
S5、当所述第一判断结果为否时，根据预设条件从所述预设区域中的所有未选取的网格中选取新的网格，并返回执行S3；
所述根据预设条件从所述预设区域中的所有未选取的网格中选取新的网格，包括：
在网格划分后的所述预设区域内，对所述剩余异常场进行视密度成像，得到视密度成像结果；
判断所述剩余异常场所有的重力场值的绝对值中的最大值是否大于预设阈值，得到第二判断结果；
当所述第二判断结果为是时，根据所述视密度成像结果，获取并对每个第一网格的视密度值的绝对值进行降序排列，得到第一序列，将所述第一序列中的前1个或2个绝对值对应的第一网格作为所述新的网格，其中，第一网格表示：所述预设区域中的任一未选取的网格；
当所述第二判断结果为否时，根据所述视密度成像结果，获取并对每个第二网格的视密度值的绝对值进行降序排列，得到第二序列，将所述第二序列中的前1个或2个绝对值对应的第二网格作为所述新的网格，其中，第二网格表示并集网格集合中的任一网格，所述并集网格集合的获取过程包括：
将所述预设区域中的任一已选取的网格所相邻的所有未选取的网格确定该已选取的网格对应的网格集合，直至得到每个已选取的网格对应的网格集合，将所有网格集合的并集确定为所述并集网格集合。
2.根据权利要求1所述的一种重力异常场分离方法，其特征在于，所述S5还包括：
当所述第一判断结果为否时，统计执行所述S3的迭代次数，当所述迭代次数大于预设迭代次数阈值时，将最后得到的等效源模型作为所述目标等效源模型。
3.一种重力异常场分离系统，其特征在于，包括网格划分模块、选取模块、获取判断模块和确定模块；
所述网格划分模块用于对用于表征预设地下空间的预设区域进行网格划分；
所述选取模块用于：在网格划分后的所述预设区域的最底层位置，间隔选取多个网格；
所述获取判断模块用于：利用所有选取的网格作为格架，拟合待分离重力异常场，得到每个选取的网格的密度值，结合所述格架、以及每个选取的网格的密度值，得到等效源模型；
利用所述等效源模型正演计算重力异常场，并利用公式得到剩余异常场/>，所述公式为/>，判断所述剩余异常场/>的均方差是否小于预设均方差阈值，得到第一判断结果；
所述确定模块用于：当所述第一判断结果为是时，将所述等效源模型确定为目标等效源模型，并利用所述目标等效源模型正演所述待分离重力异常场，得到所述待分离重力异常场/>对应的重力场分离结果；
还包括更新模块，所述更新模块用于：
当所述第一判断结果为否时，根据预设条件从所述预设区域中的所有未选取的网格中选取新的网格，并重新调用所述获取判断模块和所述确定模块；
所述更新模块具体用于：
在网格划分后的所述预设区域内，对所述剩余异常场进行视密度成像，得到视密度成像结果；
判断所述剩余异常场所有的重力场值的绝对值中的最大值是否大于预设阈值，得到第二判断结果；
当所述第二判断结果为是时，根据所述视密度成像结果，获取并对每个第一网格的视密度值的绝对值进行降序排列，得到第一序列，将所述第一序列中的前1个或2个绝对值对应的第一网格作为所述新的网格，其中，第一网格表示：所述预设区域中的任一未选取的网格；
当所述第二判断结果为否时，根据所述视密度成像结果，获取并对每个第二网格的视密度值的绝对值进行降序排列，得到第二序列，将所述第二序列中的前1个或2个绝对值对应的第二网格作为所述新的网格，其中，第二网格表示并集网格集合中的任一网格，所述并集网格集合的获取过程包括：
将所述预设区域中的任一已选取的网格所相邻的所有未选取的网格确定该已选取的网格对应的网格集合，直至得到每个已选取的网格对应的网格集合，将所有网格集合的并集确定为所述并集网格集合。
4.根据权利要求3所述的一种重力异常场分离系统，其特征在于，所述更新模块还用于：当所述第一判断结果为否时，统计调用所述获取判断模块和所述确定模块的迭代次数，当所述迭代次数大于预设迭代次数阈值时，将最后得到的等效源模型作为所述目标等效源模型。
5.一种存储介质，其特征在于，所述存储介质中存储有指令，当计算机读取所述指令时，使所述计算机执行如权利要求1至2中任一项所述的一种重力异常场分离方法。
6.一种电子设备，包括存储器、处理器及存储在所述存储器上并在所述处理器上运行的程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至2任一项所述的一种重力异常场分离方法的步骤。
CN202110837365.XA 2021-07-23 2021-07-23 一种重力异常场分离方法、系统、存储介质和电子设备 Active CN113627051B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110837365.XA CN113627051B (zh) 2021-07-23 2021-07-23 一种重力异常场分离方法、系统、存储介质和电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110837365.XA CN113627051B (zh) 2021-07-23 2021-07-23 一种重力异常场分离方法、系统、存储介质和电子设备

Publications (2)

Publication Number Publication Date
CN113627051A CN113627051A (zh) 2021-11-09
CN113627051B true CN113627051B (zh) 2024-01-30

Family

ID=78380732

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110837365.XA Active CN113627051B (zh) 2021-07-23 2021-07-23 一种重力异常场分离方法、系统、存储介质和电子设备

Country Status (1)

Country Link
CN (1) CN113627051B (zh)

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101661115A (zh) * 2008-08-29 2010-03-03 中国石油集团东方地球物理勘探有限责任公司 基于标准格架的快速三维重力、磁力物性反演的方法
CN103513288A (zh) * 2012-06-21 2014-01-15 中国石油天然气集团公司 一种二维网格数据的补偿方向滤波方法
WO2015196802A1 (zh) * 2014-06-25 2015-12-30 华为技术有限公司 一种拍照方法、装置及电子设备
JP2016152044A (ja) * 2015-02-16 2016-08-22 バイドゥ オンライン ネットワーク テクノロジー （ベイジン） カンパニー リミテッド 目標位置を確定するための方法及び装置
CN112346139A (zh) * 2020-10-15 2021-02-09 中国地质大学（武汉） 一种重力数据多层等效源延拓与数据转换方法
CN112363236A (zh) * 2020-10-15 2021-02-12 中国地质大学（武汉） 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
CN112464520A (zh) * 2020-10-28 2021-03-09 中国石油天然气集团有限公司 局部重力异常深度反演方法及装置
CN112800657A (zh) * 2021-04-15 2021-05-14 中南大学 基于复杂地形的重力场数值模拟方法、装置和计算机设备
CN112859181A (zh) * 2021-01-08 2021-05-28 四川中成煤田物探工程院有限公司 一种广域电磁法局部异常分离方法

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6993433B2 (en) * 1999-04-02 2006-01-31 Conocophillips Company Modeling gravity and tensor gravity data using poisson's equation for airborne, surface and borehole applications
US20110144472A1 (en) * 2009-12-11 2011-06-16 Technoimaging, Llc Methods of gravity and/or magnetic holographic imaging using vector and/or tensor data
US8660368B2 (en) * 2011-03-16 2014-02-25 International Business Machines Corporation Anomalous pattern discovery
CN108008459B (zh) * 2017-11-28 2019-11-01 北京中科地物能源技术有限公司 一种获得剩余重力异常的方法及装置

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101661115A (zh) * 2008-08-29 2010-03-03 中国石油集团东方地球物理勘探有限责任公司 基于标准格架的快速三维重力、磁力物性反演的方法
CN103513288A (zh) * 2012-06-21 2014-01-15 中国石油天然气集团公司 一种二维网格数据的补偿方向滤波方法
WO2015196802A1 (zh) * 2014-06-25 2015-12-30 华为技术有限公司 一种拍照方法、装置及电子设备
JP2016152044A (ja) * 2015-02-16 2016-08-22 バイドゥ オンライン ネットワーク テクノロジー （ベイジン） カンパニー リミテッド 目標位置を確定するための方法及び装置
CN112346139A (zh) * 2020-10-15 2021-02-09 中国地质大学（武汉） 一种重力数据多层等效源延拓与数据转换方法
CN112363236A (zh) * 2020-10-15 2021-02-12 中国地质大学（武汉） 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
CN112464520A (zh) * 2020-10-28 2021-03-09 中国石油天然气集团有限公司 局部重力异常深度反演方法及装置
CN112859181A (zh) * 2021-01-08 2021-05-28 四川中成煤田物探工程院有限公司 一种广域电磁法局部异常分离方法
CN112800657A (zh) * 2021-04-15 2021-05-14 中南大学 基于复杂地形的重力场数值模拟方法、装置和计算机设备

Also Published As

Publication number Publication date
CN113627051A (zh) 2021-11-09

Similar Documents

Publication Publication Date Title
US11409020B2 (en) Method and apparatus for obtaining residual gravity anomaly
CN105044793B (zh) 一种多道瞬变电磁探测数据的反演方法和装置
CN111221048B (zh) 基于跨孔电阻率ct多尺度反演的孤石边界识别与成像方法
CN105068131A (zh) 一种航磁数据调平方法
CN110703347B (zh) 基于构造背景的重力断裂影像识别方法
CN110941030B (zh) 一种基于位场数据计算隐伏目标体深度的方法
CN111443384A (zh) 确定节点深度和水柱通过速度
CN113627051B (zh) 一种重力异常场分离方法、系统、存储介质和电子设备
CN104656140A (zh) 一种基于垂直地震衰减规律的中值滤波方法以及系统
CN103675905A (zh) 一种优化系数获取方法、装置及相关波场模拟方法、装置
CN107422375B (zh) 海底节点的共反射点道集的确定方法和装置
CN112946760B (zh) 基于正则化方法的未爆弹三维立体成像方法、装置及系统
CN116027454A (zh) 一种砂岩厚度等值线图的成图方法及智能绘制装置
CN117270032A (zh) 基于三维地震的砂岩型铀矿铀特征参数反演方法及装置
CN112630832B (zh) 基于衰减因子随入射角变化的含气性预测方法和装置
CN112444871B (zh) 基于散射波地震响应特征的裂缝间距定量分析方法和设备
WO2023069080A1 (en) Determining fault surfaces from fault attribute volumes
CN110989032B (zh) 一种基于倾斜角的重力水平总梯度断裂识别方法
CN107664771A (zh) 一种基于相似性系数的微地震全波形定位方法
CN105891889A (zh) 一种重力异常边界增强的方法及装置
US20240045094A1 (en) A method of and apparatus for determining a multiple well seismic-to-well tie
CN113296157B (zh) 一种利用广义高斯分布进行储层的预测方法及装置
CN114118130B (zh) 一种变压器局部放电模式识别方法、系统、介质及设备
CN112485843B (zh) 膏盐岩内溢流层的预测方法、装置及设备
CN114048661B (zh) 一种层状介质下直流点源电位和电场处理方法和装置

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