CN114611062A - 三维重力快速反演优化方法、系统、存储介质和电子设备 - Google Patents
三维重力快速反演优化方法、系统、存储介质和电子设备 Download PDFInfo
- Publication number
- CN114611062A CN114611062A CN202210166718.2A CN202210166718A CN114611062A CN 114611062 A CN114611062 A CN 114611062A CN 202210166718 A CN202210166718 A CN 202210166718A CN 114611062 A CN114611062 A CN 114611062A
- Authority
- CN
- China
- Prior art keywords
- matrix
- dimensional
- dimensional model
- calculation
- fourier transform
- 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.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
- G06F17/12—Simultaneous equations, e.g. systems of linear equations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/14—Fourier, Walsh or analogous domain transformations, e.g. Laplace, Hilbert, Karhunen-Loeve, transforms
- G06F17/141—Discrete Fourier transforms
- G06F17/142—Fast Fourier transforms, e.g. using a Cooley-Tukey type algorithm
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/15—Correlation function computation including computation of convolution operations
- G06F17/156—Correlation function computation including computation of convolution operations using a domain transform, e.g. Fourier transform, polynomial transform, number theoretic transform
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- 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]
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Theoretical Computer Science (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Algebra (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Computing Systems (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- Operations Research (AREA)
- Discrete Mathematics (AREA)
- Complex Calculations (AREA)
Abstract
本发明涉及一种三维重力快速反演优化方法、系统、存储介质和电子设备,所述方法包括:计算三维模型中每个深度层的正演核矩阵,将每两个正演核矩阵进行组合并对每个组合正演核矩阵进行快速傅里叶变换,得到每个组合正演核矩阵对应的组合正演核矩阵频谱;基于正演核矩阵的大小,对二维向量进行加零扩展并进行快速傅里叶变换,得到二维矩阵频谱;依次将每个组合正演核矩阵频谱与二维矩阵频谱代入预设复合频谱计算公式,得到GTu。本发明通过快速傅里叶变换的对称性,提高了计算效率;同时也进一步节约时间。根据该方法流程的特点,还可采用并行计算的方式进一步提高计算效率,减少实际工作中的计算时间,增加三维重力反演的实用性。
Description
技术领域
本发明涉及地球物理学技术领域,尤其涉及一种三维重力快速反演优化方法、系统、存储介质和电子设备。
背景技术
反演优化算法是共轭梯度算法(CG),CG算法是求解线性方程组的快速迭代算法之一,相比于最速下降法和牛顿法的收敛速度CG算法更有优势。CG算法所需的存储成本和计算成本较低,因为只需要进行矩阵向量乘积和向量内积运算,不必显式生成大型矩阵,所以被广泛地应用于地球物理及其它领域反演中。
在CG算法中可以发现,在计算过程中不需要显式生成及存储系数矩阵的逆矩阵,对于大规模重力数据计算可以极大的节省计算时间和存储空间。但是在进行实际三维反演计算时,随着观测数据量增多或者离散网格数量的增多,即使是数据空间的矩阵也会变得相当大,计算仍然会很困难。因此,亟需提出一种反演的优化方法,以解决上述问题。
发明内容
为解决上述技术问题,本发明提供了一种三维重力快速反演优化方法、系统、存储介质和电子设备。
本发明的三维重力快速反演优化方法的技术方案如下:
依次将所述每个组合正演核矩阵频谱与所述二维矩阵频谱代入预设复合频谱计算公式,获取并根据每两个深度层的和得到GTu,其中,GTu为三维重力反演过程的中间参数,k为所述三维模型的第k深度层,l为所述三维模型的第l深度层,j2=-1。
本发明的三维重力快速反演优化方法的有益效果如下:
本发明的方法在三维重力快速反演方法的基础上,进一步提出的三维重力快速反演优化方法,该方法根据快速傅里叶变换的对称性,通过减少计算量,进一步提高了计算效率,实现了约1.6倍的加速比。同时在进行海量重力数据反演的计算时,利用该方法将进一步节约宝贵的时间。根据该方法流程的特点,还可以采用并行计算的方式进一步提高计算效率,减少实际工作中的计算时间,增加三维重力反演的实用性。
在上述方案的基础上,本发明的三维重力快速反演优化方法还可以做如下改进。
进一步,所述预设复合频谱公式为:
其中,为所述三维模型中第k深度层的正演核矩阵,为所述三维模型中第l深度层的正演核矩阵,(1≤k,l≤p),p为所述三维模型中的总深度层数,F表示快速傅里叶变换的正变换,F-1表示快速傅里叶变换的逆变换,u为所述单层模型,j2=-1,m为所述三维模型中x(北)方向的网格剖分数量,n为所述三维模型中y(东)方向的网格剖分数量,H为复合频谱信号。
其中,Imag[H]为所述复合频谱信号的虚部,Real[H]为所述复合频谱信号的实部。
进一步,所述GTu的具体形式为:
基于所述每个深度层的正演核矩阵的大小,依次对所述每个深度层的密度矩阵进行加零扩展,得到每个密度矩阵对应的扩展密度矩阵,并基于所述每两个正演核矩阵的组合方式,对每两个扩展模型矩阵进行组合并经过快速傅里叶变换,得到多个组合密度矩阵频谱
对所述第一计算结果进行共轭对称变换,得到第二计算结果并将所述第一计算结果和所述第二计算结果代入预设正演频谱公式,得到并对所述三维模型的每个深度层正演频谱之和进行反傅里叶变换,得到所述三维模型的正演结果。
进一步,所述预设正演频谱公式为:
其中,为所述三维模型的每个深度层正演频谱之和,k为所述三维模型的第k深度层,l为所述三维模型的第l深度层,j2=-1,(1≤k,l≤p),p为所述三维模型中的总深度层数,F表示快速傅里叶变换的正变换,m为所述三维模型中x(北)方向的网格剖分数量,n为所述三维模型中y(东)方向的网格剖分数量。
本发明的一种三维重力快速反演优化系统的技术方案如下:
包括:第一处理模块、第二处理模块、第三处理模块和运行模块;
所述运行模块用于:依次将所述每个组合正演核矩阵频谱与所述二维矩阵频谱代入预设复合频谱计算公式,获取并根据每两个深度层的和得到GTu,其中,GTu为三维重力反演过程的中间参数,k为所述三维模型的第k深度层,l为所述三维模型的第l深度层,j2=-1。
本发明的三维重力快速反演优化系统的有益效果如下:
本发明的系统在三维重力快速反演方法的基础上,进一步提出的三维重力快速反演优化方法,该方法根据快速傅里叶变换的对称性,通过减少计算量,进一步提高了计算效率,实现了约1.6倍的加速比。同时在进行海量重力数据反演的计算时,利用该方法将进一步节约宝贵的时间。根据该方法流程的特点,还可以采用并行计算的方式进一步提高计算效率,减少实际工作中的计算时间,增加三维重力反演的实用性。
在上述方案的基础上,本发明的三维重力快速反演优化系统还可以做如下改进。
进一步,所述预设复合频谱公式为:
其中,为所述三维模型中第k深度层的正演核矩阵,为所述三维模型中第l深度层的正演核矩阵,(1≤k,l≤p),p为所述三维模型中的总深度层数,F表示快速傅里叶变换的正变换,F-1表示快速傅里叶变换的逆变换,u为所述单层模型,j2=-1,m为所述三维模型中x(北)方向的网格剖分数量,n为所述三维模型中y(东)方向的网格剖分数量,H为复合频谱信号。
本发明的一种存储介质的技术方案如下:
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本发明的三维重力快速反演优化方法的步骤。
本发明的一种电子设备的技术方案如下:
包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时,使所述计算机执行如本发明的三维重力快速反演优化方法的步骤。
附图说明
图1为本发明实施例的三维重力快速反演优化方法的流程示意图;
图2为本发明实施例的三维重力快速反演优化方法中的三维模型图;
图3为本发明实施例的三维重力快速反演优化方法中的三维模型反演结果示意图;
图4为本发明实施例的三维重力快速反演优化系统的结构示意图。
具体实施方式
如图1所示,本发明实施例的三维重力快速反演优化方法,包括如下步骤:
其中,三维模型为地下半空间的三维模型。图2为地下半空间的三维模型结构图,将三维模型剖分为M(M=m×n×p)个棱柱体网格,其中m和n分布表示x(北)方向和y(东)方向的网格剖分数量,p表示z方向的网格剖分数量(深度层的总层数),地表观测重力为N(N=m×n)个测点。
其中,每两个正演核矩阵进行组合具体为:默认按照深度层从上往下顺序依次取两个深度层的正演核矩阵进行组合;当三维模型的总层数为奇数时,最后剩余的底部深度层的计算采用原快速算法。
需要说明的是,也可按照从下往上或者任意两个深度层进行组合,在此不受限制。
S4、依次将所述每个组合正演核矩阵频谱与所述二维矩阵频谱代入预设复合频谱计算公式,获取并根据每两个深度层的和得到GTu,其中,GTu为三维重力反演过程的中间参数,k为所述三维模型的第k深度层,l为所述三维模型的第l深度层,j2=-1。
其中,采用原算法时和的计算为2次傅里叶逆变换的计算量。而采用本方法时,因为和可以当作已知,所以采用本发明的方法时只需要1次傅里叶逆变换的计算量以及辅助的加减法运算。相较于原算法,在理论计算量上大约减少了一半。
需要说明的是,在实际计算时,为方便计算,一般取l=k+1。
较优地,所述预设复合频谱公式为:
其中,为所述三维模型中第k深度层的正演核矩阵,为所述三维模型中第l深度层的正演核矩阵,(1≤k,l≤p),p为所述三维模型中的总深度层数,F表示快速傅里叶变换的正变换,F-1表示快速傅里叶变换的逆变换,u为所述单层模型,j2=-1,m为所述三维模型中x(北)方向的网格剖分数量,n为所述三维模型中y(东)方向的网格剖分数量,H为复合频谱信号。
其中,Imag[H]为所述复合频谱信号的虚部,Real[H]为所述复合频谱信号的实部。
较优地,所述GTu的具体形式为:
基于所述每个深度层的正演核矩阵的大小,依次对所述每个深度层的密度矩阵进行加零扩展,得到每个密度矩阵对应的扩展密度矩阵,并基于所述每两个正演核矩阵的组合方式,对每两个扩展模型矩阵进行组合并经过快速傅里叶变换,得到多个组合密度矩阵频谱
对所述第一计算结果进行共轭对称变换,得到第二计算结果并将所述第一计算结果和所述第二计算结果代入预设正演频谱公式,得到并对所述三维模型的每个深度层正演频谱之和进行反傅里叶变换,得到所述三维模型的正演结果。
具体地,首先通过计算各深度层的正演核矩阵然后求取组合正演核矩阵并通过FFT将组合正演核矩阵转为组合正演核矩阵频谱最后通过数组的共轭对称变换得到转换组合正演核矩阵后存储。对各个深度层的模型矩阵分别通过加零扩展到(2m-1)×(2n-1)大小的扩展模型矩阵,然后对每两个扩展模型矩阵进行组合,得到多个组合模型矩阵并通过FFT转为组合模型矩阵频谱
根据具体的计算步骤可知,优化算法(预设正演频谱公式)是先求和后进行数组变换,节省了p-1次数组变换的计算量,因此优化算法的计算量仅为p/2次的傅里叶正变换的计算量和1次数组变换的计算量。当垂向层数p远大于2时,1次数组变换的计算时间可以忽略不计。根据式2-8进行的重力正演计算可以理解为,计算2个密度层的密度模型正演频谱之和,只需要计算1次傅里叶正变换。因此本发明的方法可以进一步减少重力正演的计算量,提高计算效率。实际的计算加速效果将通过模型试验进行验证分析。
注意,实际计算时,为方便计算一般取l=k+1。当模型的总层数p为奇数时,最后一层的计算采用快速算法,其余层采用优化的快速算法。
较优地,所述预设正演频谱公式为:
其中, 为所述三维模型的每个深度层正演频谱之和,k为所述三维模型的第k深度层,l为所述三维模型的第l深度层,j2=-1,(1≤k,l≤p),p为所述三维模型中的总深度层数,F表示快速傅里叶变换的正变换,m为所述三维模型中x(北)方向的网格剖分数量,n为所述三维模型中y(东)方向的网格剖分数量。
具体地,预设正演频谱公式的推导过程如下:
为方便表达,定义二维矩阵的共轭对称变换G′(u,v)为:
根据式上述定义,不难发现二维矩阵的共轭对称变换具有如下性质:
从上式中可以发现,对于两组信号的卷积求和的计算,如果采用原有的重力三维快速算法,则在和已知的情况下,主要计算量为:计算和共计2次的傅里叶正变换的计算量。如果采用本发明优化的重力三维快速正演算法,则在和已知的情况下,直接采用快速傅里叶变换,则主要计算量为:计算共计1次的快速傅里叶正变换的计算量和由到共计1次的数组变换的计算量。实际计算时,1次快速傅里叶正变换的计算时间和1次由到的计算时间差距较小。因此对于模型的层数p很少的情况,优化算法的改进效果有限。但是对于模型的层数p往往远大于2的情况,可以进一步简化得到各层密度模型正演频谱之和为:对第一计算结果通过数组的共轭对称变换得到第二计算结果并根据公式预设正演频谱公式得到最后通过反傅里叶变换,得到三维模型的正演结果。
本发明中主要是优化GTu计算,减少计算时间。需要说明的是,反演计算就是对目标函数式求极小值的解。在目标函数的极小值处的梯度一定为0,在模型空间和数据空间分别可得到模型ρ的不动点迭代方程。两种方式的计算表达式如下。
模型空间的模型ρ为:ρ=ρ0+(GTD-1G+αW-1)-1GTD-1(d-Gρ0),数据空间的模型ρ为:ρ=ρ0+αWGT(D+GWGT)-1(d-Gρ0)。模型空间和数据空间反演计算最困难的部分是求(GTD-1G+αW-1)和(D+GWGT)的逆矩阵。
本发明中的反演优化方法是共轭梯度算法(CG),CG算法是求解线性方程组的快速迭代算法之一,相比于最速下降法和牛顿法的收敛速度CG算法更有优势。CG算法所需的存储成本和计算成本较低,因为只需要进行矩阵向量乘积和向量内积运算,不必显式生成大型矩阵,所以被广泛地应用于地球物理及其它领域反演中。用于重力反演的CG算法主要流程如表1所示。
表1 CG算法
表中:mk为第k次迭代的结果,rk为目标函数梯度,k为迭代的次数,pk表示迭代的搜索方向,αk表示迭代搜索方向的步长。
从共轭梯度的算法中可以看出,单次共轭梯度反演的主要计算量是矩阵A与向量pk的乘积运算。当采用模型空间反演方法时系数矩阵A为M×M的方阵(GTD-1G+αW-1),当采用数据空间反演方法时系数矩阵A为N×N的方阵(D+GWGT)。在CG算法中可以发现,在计算过程中不需要显式生成及存储系数矩阵A的逆矩阵,对于大规模重力数据计算可以极大的节省计算时间和存储空间。但是在进行实际三维反演计算时,随着观测数据量增多或者离散网格数量的增多,即使是数据空间的矩阵A也会变得相当大,计算仍然会很困难。
我们对上述共轭梯度算法进一步分析可见,主要的计算量是矩阵A与向量p的乘积,计算中涉及到的计算形式有Gv和GTu,其中v为M×1的列向量,u为N×1的列向量,列向量u和列向量v是中间变量,不具有固定的物理意义。对于Gv项的计算,如果将向量v看作是向量m,则此项计算可以看作是一次正演计算;对于GTu项的计算,需要根据GT矩阵的特点,作进一步分析。因为观测数据在水平面上是呈规则网分布的,并且模型剖分的单元与数据网格在平面投影上为一一对应的关系,所以可以将矩阵G按模型的深度层划分为p个子矩阵:G=[G1G2,…,GkGp]1≤k≤p;其中Gk的任意一个系数Gi,j,k表示第k层的模型单元中的第i个模型密度为单位1时对第j个重力观测点的重力响应值,而系数Gj,i,k表示第k层的模型单元中的第j个模型密度为单位1时对第i个重力观测点的重力响应值,模型单元体和重力观测点在水平位置上一一对应,根据平移等效性和互换对称性,Gi,j,k=Gj,i,k因此Gk为对称矩阵,即对于GTu的运算也可以看作是对单层模型u计算不同高度的正演值。因为GTu计算时只需要进行1次向量u的傅里叶正变换和p次Gku的傅里叶逆变换,所以GTu计算的时间复杂度与Gv正演计算的时间复杂度相同,也可以看作是1次模型的正演计算。
这里给出模型空间和数据空间两种计算方式的计算分解过程。当在模型空间进行反演时,矩阵与向量的乘积为Ap:
式中:向量p为一维列向量,其大小与模型向量ρ大小一致,此式中的g和u为临时中间变量。Gp项和GTu(只表示当前项的计算量)项可分别看作是1次正演计算。公式中的u=D- 1g项可以看作是对正演结果进行加权,如果矩阵D为主对角矩阵,加权计算可以简化为两个二维数组对应相乘。公式中的W-1p项相当于是对“模型p”进行加权、求导等计算。D-1g项和W- 1p项的计算量相比于GTD-1Gp项的计算量可以忽略。因此,反演计算中存储和计算最困难的部分Ap的计算,可以主要分解为2次正演计算。
当数据空间进行反演时,矩阵与向量的乘积Ap:
式中:向量p为一维列向量,其大小与观测数据向量g大小一致,此式中的m和u为临时中间变量。GTp项和Gu项可分别看作是1次正演计算。公式中的u=Wm项可以看作是对模型进行加权、求导等计算。公式中的Dp项相当于是对正演结果进行加权。Dp项和Wm项的计算量相比于GWGTp项的计算量可以忽略。因此数据空间反演中的Ap的计算也可以主要分解为2次正演计算。通过对共轭梯度的单次反演分解可以看出,无论是采用模型空间反演,还是数据空间反演,它们的计算量都可以主要分解为2次正演,这是实现快速反演的关键依据。
因此,本发明通过快速求解GTu和Gv,实现了快速反演计算,提高了快速反演的效率。
为了验证通过本发明的方法实现三维重力反演的优化,采用以下方式进行验证。例如,对于内存空间的使用:在进行大规模重力数据的三维正则化反演时,无论是在模型空间还是在数据空间,如果显示生成矩阵A,共轭梯度反演计算时对于内存需求极大。而几何格架法、快速算法和优化快速算法(本发明的方法)无需显示生成矩阵A,因此极大的减少了内存使用。快速算法和优化快速算法的正演核矩阵横纵向约是模型矩阵的2倍,快速算法正演核矩阵的垂向层数和模型的垂向层数一致,均为p层;而优化快速算法正演核矩阵的垂向层数约为模型垂向层数的一半,但是优化算法为了保证计算速度,一般需要2个矩阵,因此总层数仍然为p层。因为快速算法和优化快速算法的正演核矩阵均为复数矩阵,所以快速算法和优化快速算法的正演核矩阵对内存的需求约是等效几何格架方法的8倍。
对于计算效率方面:无论是显示直接生成矩阵A,或者是采用几何格架法或者是本文的优化方法间接生成矩阵A,当采用将矩阵A分步与向量相乘的计算方式时,四种方式进行一次CG迭代的计算量是一致的(表2),大约都是两次模型正演的计算量。由于快速算法采用了FFT算法,计算速度呈指数级升高,因此可以极大的提高计算效率。进一步改进的优化算法,在不考虑矩阵的加减操作所耗费的计算时间时,理论上相比于快速算法的时间复杂度,优化快速算法时间复杂度能够减少一半,即计算效率提升一倍。
表2 各种方法的计算成本对比
为了验证本文优化算法是否具有快速处理大规模重力数据的能力,基于理论模型数据进行了计算性能分析。影响重力三维反演计算量的因素主要有:反演结果的精度要求、约束条件以及不同的反演策略,上述因素的共同点是影响共轭梯度反演的迭代次数。当网格剖分固定时,每一次CG迭代的计算量几乎不变,而CG迭代中的主要计算量是1次Gv计算和1次GTu计算,对于GTu的计算效率,重力三维快速正演算法和优化重力三维快速正演算法(本发明的方法)的计算效率是常规正演算法计算效率的指数级加速。
实验仍然采用表3中的12个模型。重力三维快速正演算法和优化的重力三维快速正演算法对所有模型均以200次正演的平均用时作为评价依据。数值模拟结果(表4)中可以看出,两种方法加速比的平均值为1.592,12号模型的加速比为1.474,两者均值为1.5左右。因此可以根据实验结果,认为优化的重力三维快速正演算法可以实现约1.5倍的计算效率。
可以发现,优化的优化算法对Gv的加速高于对GTu的加速。分析原因:Gv的主要计算量是傅里叶正变换,GTu的主要计算量是傅里叶逆变换。但是对比快速算法的计算用时,可以看出,采用快速算法时,计算GTu的用时一般小于计算Gv的用时;采用优化快速算法时,计算GTu的用时一般大于计算Gv的用时。但是,在矩阵有一定的规模时,内置傅里叶变换的子程序在计算傅里叶正、逆变换所用时间的相对长短时没有规律的。因此可以推断影响加速比的因素应该时计算程序的其它步骤导致,在此不再深究。通过实验可以确定的是,优化的快速算法对Gv和GTu的计算都有一定的加速作用。
表3 模型剖分表
表4 三维重力正演算法的计算效率对比表
测试计算机主频为2.20GHz,内存64GB,为现在主流常规计算条件。反演方法为空间域共轭梯度聚焦反演方法。模型的倾角为45°,剩余密度为1g/cm3,观测数据点1024×1024。地下空间剖分方式为1024×1024×312,共计327155712个立方体网格,立方体边长为100m。反演计算只添加了深度加权因子和聚焦因子(重加权矩阵)。
经过171次的迭代反演计算,数据拟合误差从初始的100%,达到最终的拟合误差为2.3%,在不考虑正演核矩阵计算时间(1.126h)的情况下,总计用时约4.37小时,平均1次共轭迭代的用时约为92秒。图3(a)和图3(b)分别为反演结果的水平切片平面图和垂直切片剖面图,图中的红框为倾斜板状体模型的位置,图3(c)和图3(d)分别为图3(a)和图3(b)的部分细节展示图。可以看出,数据空间的聚焦反演算法的反演结果与模型体有较好的吻合度。数值实验可以看出,本文优化算法可以在不损失计算精度前提下,快速完成海量数据的三维反演,证明了该方法的有效性和可行性。
本实施例的技术方案在三维重力快速反演方法的基础上,进一步提出的三维重力快速反演优化方法,该方法根据快速傅里叶变换的对称性,通过减少计算量,进一步提高了计算效率,实现了约1.6倍的加速比。同时在进行海量重力数据反演的计算时,利用该方法将进一步节约宝贵的时间。根据该方法流程的特点,还可以采用并行计算的方式进一步提高计算效率,减少实际工作中的计算时间,增加三维重力反演的实用性。
如图4所示,本发明实施例的一种三维重力快速反演优化系统200,包括:第一处理模块210、第二处理模块220、第三处理模块230和运行模块240;
所述运行模块240用于:依次将所述每个组合正演核矩阵频谱与所述二维矩阵频谱代入预设复合频谱计算公式,获取并根据每两个深度层的和得到GTu,其中,GTu为三维重力反演过程的中间参数,k为所述三维模型的第k深度层,l为所述三维模型的第l深度层,j2=-1。
较优地,所述预设复合频谱公式为:
其中,为所述三维模型中第k深度层的正演核矩阵,为所述三维模型中第l深度层的正演核矩阵,(1≤k,l≤p),p为所述三维模型中的总深度层数,F表示快速傅里叶变换的正变换,F-1表示快速傅里叶变换的逆变换,u为所述单层模型,j2=-1,m为所述三维模型中x(北)方向的网格剖分数量,n为所述三维模型中y(东)方向的网格剖分数量,H为复合频谱信号。
本实施例的技术方案在三维重力快速反演方法的基础上,进一步提出的三维重力快速反演优化方法,该方法根据快速傅里叶变换的对称性,通过减少计算量,进一步提高了计算效率,实现了约1.6倍的加速比。同时在进行海量重力数据反演的计算时,利用该方法将进一步节约宝贵的时间。根据该方法流程的特点,还可以采用并行计算的方式进一步提高计算效率,减少实际工作中的计算时间,增加三维重力反演的实用性。
上述关于本实施例的三维重力快速反演优化系统200中的各参数和各个模块实现相应功能的步骤,可参考上文中关于一种三维重力快速反演优化方法的实施例中的各参数和步骤,在此不做赘述。
本发明实施例提供的一种存储介质,包括: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三维重力快速反演优化方法的步骤,具体可参考上文中三维重力快速反演优化方法的实施例中的各参数和步骤,在此不做赘述。
计算机存储介质例如:优盘、移动硬盘等。
本发明实施例提供的一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时,使所述计算机执行如三维重力快速反演优化方法的步骤,具体可参考上文中三维重力快速反演优化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,本发明可以实现为方法、系统、存储介质和电子设备。
因此,本发明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 (10)
基于所述每个深度层的正演核矩阵的大小,依次对所述每个深度层的密度矩阵进行加零扩展,得到每个密度矩阵对应的扩展密度矩阵,并基于所述每两个正演核矩阵的组合方式,对每两个扩展模型矩阵进行组合并经过快速傅里叶变换,得到多个组合密度矩阵频谱
7.一种三维重力快速反演优化系统,其特征在于,包括:第一处理模块、第二处理模块、第三处理模块和运行模块;
9.一种存储介质,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6中任一项所述的三维重力快速反演优化方法。
10.一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时,使所述计算机执行如权利要求1至6中任一项所述的三维重力快速反演优化方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210166718.2A CN114611062A (zh) | 2022-02-23 | 2022-02-23 | 三维重力快速反演优化方法、系统、存储介质和电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210166718.2A CN114611062A (zh) | 2022-02-23 | 2022-02-23 | 三维重力快速反演优化方法、系统、存储介质和电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114611062A true CN114611062A (zh) | 2022-06-10 |
Family
ID=81858972
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210166718.2A Pending CN114611062A (zh) | 2022-02-23 | 2022-02-23 | 三维重力快速反演优化方法、系统、存储介质和电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114611062A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115114821A (zh) * | 2022-06-23 | 2022-09-27 | 中国人民解放军国防科技大学 | 均匀背景下的三维快速互相关对比源电磁反演方法 |
CN115203945A (zh) * | 2022-07-15 | 2022-10-18 | 南方科技大学 | 一种水文地质参数估计方法、装置、设备和存储介质 |
CN116911146A (zh) * | 2023-09-14 | 2023-10-20 | 中南大学 | 三维重力场全息数值模拟及cpu-gpu加速方法 |
-
2022
- 2022-02-23 CN CN202210166718.2A patent/CN114611062A/zh active Pending
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115114821A (zh) * | 2022-06-23 | 2022-09-27 | 中国人民解放军国防科技大学 | 均匀背景下的三维快速互相关对比源电磁反演方法 |
CN115114821B (zh) * | 2022-06-23 | 2024-04-05 | 中国人民解放军国防科技大学 | 均匀背景下的三维快速互相关对比源电磁反演方法 |
CN115203945A (zh) * | 2022-07-15 | 2022-10-18 | 南方科技大学 | 一种水文地质参数估计方法、装置、设备和存储介质 |
CN115203945B (zh) * | 2022-07-15 | 2023-11-03 | 南方科技大学 | 一种水文地质参数估计方法、装置、设备和存储介质 |
CN116911146A (zh) * | 2023-09-14 | 2023-10-20 | 中南大学 | 三维重力场全息数值模拟及cpu-gpu加速方法 |
CN116911146B (zh) * | 2023-09-14 | 2024-01-19 | 中南大学 | 三维重力场全息数值模拟及cpu-gpu加速方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114611062A (zh) | 三维重力快速反演优化方法、系统、存储介质和电子设备 | |
Auer et al. | A fourth-order real-space algorithm for solving local Schrödinger equations | |
CN109375280B (zh) | 一种球坐标系下重力场快速高精度正演方法 | |
US11194887B2 (en) | Data processing device and method, and digital signal processing device | |
CN103955904B (zh) | 一种基于离散分数阶傅里叶变换相位信息的信号重建方法 | |
Lu et al. | A fast SVD for multilevel block Hankel matrices with minimal memory storage | |
Fiske et al. | Wave zone extraction of gravitational radiation in three-dimensional numerical relativity | |
CN113917540B (zh) | 基于稀疏约束的抗假频射线束进行地震数据去噪的方法 | |
Zink et al. | Multipatch methods in general relativistic astrophysics:<? format?> Hydrodynamical flows on fixed backgrounds | |
Levi et al. | Structure preserving discretizations of the Liouville equation and their numerical tests | |
Donà et al. | Summing bulk quantum numbers with Monte Carlo in spin foam theories | |
Kent et al. | A mixed finite-element discretisation of the shallow-water equations | |
Beams et al. | High-order finite element method using standard and device-level batch GEMM on GPUs | |
Kashirin et al. | Mosaic-skeleton method as applied to the numerical solution of three-dimensional Dirichlet problems for the Helmholtz equation in integral form | |
CN111007565B (zh) | 三维频率域全声波成像方法及装置 | |
Jamal et al. | A hybrid CPU/GPU approach for the parallel algebraic recursive multilevel solver pARMS | |
Phillips | Error and complexity analysis for a collocation-grid-projection plus precorrected-FFT algorithm for solving potential integral equations with Laplace or Helmholtz kernels | |
Metcalf et al. | Reconstructing the gravitational lensing potential from the Lyman-α forest | |
Jing et al. | Optimization algorithm for rapid 3D gravity inversion | |
Yamaguchi et al. | Fast finite element analysis method using multiple GPUs for crustal deformation and its application to stochastic inversion analysis with geometry uncertainty | |
Averbuch et al. | Direct inversion of the three-dimensional pseudo-polar Fourier transform | |
CN114841892A (zh) | 一种基于全连接网络的稀疏导波数据恢复方法 | |
Baboulin et al. | Using random butterfly transformations in parallel Schur complement-based preconditioning | |
Akimova et al. | Optimization of gradient algorithm for solving the nonlinear inverse potential problem | |
Murray et al. | Nonequilibrium diagrammatic many-body simulations with quantics tensor trains |
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 |