CN116701844A - 基于全波形的高密度电阻率数据筛选和处理方法及系统 - Google Patents

Abstract

本发明涉及数据处理技术领域，尤其涉及基于全波形的高密度电阻率数据筛选和处理方法及系统，进行高密度电阻率法测量的同时记录全波形电压信号，提出适用于全波形信号的漂移去除和降噪方法对全波形电压信号进行处理；判定电压信号的符号特性与形状特性并进行筛选，拟合全波形信号，筛选有效数据集，判定区比参数，建立统一标准的数据筛选体系；同时综合地下介质的激发极化效应提出自适应数据处理方法对有效数据集进行处理，得到视电阻率，进行反演解译。本发明能够以更完整的角度与更科学的手段筛选与处理电阻率数据，可以显著提高处理后的数据质量，为后续的数据反演与解译提供可靠的技术支撑，提高调查结果的可信性与准确性。

Description

基于全波形的高密度电阻率数据筛选和处理方法及系统

技术领域

本发明涉及数据处理技术领域，尤其涉及基于全波形的高密度电阻率数据筛选和处理方法及系统。

背景技术

高密度电阻率法作为一种自动阵列采集的地球物理勘探方法，其是以地下介质的导电能力差异为基础，从而刻画地下介质电阻率的空间分布情况。近年来高密度电阻率法先后应用于重大场地的工程地质调查、坝基及桥墩选址、采空区及地裂缝探测等众多工程勘察领域。除了应用在工程勘察领域的探测外，高密度电法在土壤与地下水污染调查领域也得到广泛应用。根据污染区域与非污染区域的电阻率差异，可以间接刻画土壤与地下水污染的分布情况。高密度电阻率法探测效率高，成本低，可以刻画剖面连续信息，为污染场地调查领域创造了可观的经济社会价值。然而，土壤与地下水污染的电阻率异常响应更弱，对电阻率数据精度的需求更高，好的数据质量是污染范围准确刻画的前提和基础。因此对高密度电阻率数据的准确筛选和处理决定了解译结果的准确性和可信性。

目前针对高密度电阻率数据的筛选和处理方法存在诸多不足，通常通过整合固定采集时间段的数据来获取视电阻率，再判定出电阻率的正负来达成处理和筛选电阻率数据的目的。此方法只计算和判定每次测量后期的部分信号，并未考虑完整测量过程的全波形数据；此外，在进行数据筛选时只考虑电阻率数据的正负，忽视了电压信号所具有的形状特性；最后，原始数据的处理将所有电压信号在同一标准下进行，未考虑地下介质激发极化特性不同所引起的差异。因此，目前的评价方法易造成数据的错误筛选和片面处理，进而影响结果的反演与解译，造成调查结果的精度降低，甚至错误解译，不具备可信性与推广价值。

发明内容

本发明克服了现有技术的不足，提供了基于全波形的高密度电阻率数据筛选和处理方法及系统。

为达到上述目的本发明采用的技术方案为：

本发明第一方面公开了基于全波形的高密度电阻率数据筛选和处理方法，包括以下步骤：

进行高密度电阻率法测量时，同时采集电压信号的全波形数据及基准趋势信号的全波形数据，得到全波形电压信号，其中所述全波形数据的采样率k范围为[1000Hz,10000Hz]；

对所述全波形电压信号进行漂移去除，得到漂移去除后的电压信号；对所述漂移去除后的电压信号进行降噪处理，得到降噪后的全波形电压信号；以去除所述全波形电压信号的杂波；

对所有数据点的降噪后的全波形电压信号符号特性进行判定，不满足符号条件的电阻率曲线予以删除；

对剩余数据点的降噪后的全波形电压信号形状特性进行判定，不满足形状条件的电阻率曲线予以删除；

拟合降噪后的全波形电压信号，根据拟合曲线的导函数筛选有效数据集，满足判定条件的数据为有效数据集Vv，有效数据集所对应的时间范围[t₁,t₂]为有效数据区间，并将不存在有效数据区间的电阻率数据曲线予以删除；

其中，根据下述公式拟合降噪后的全波形电压信号：

Vdn＝-a·e^bt+c

式中，Vdn为降噪后的全波形电压信号，a,b,c为待估参数，t为测量时间；

其中，根据拟合曲线的导函数筛选有效数据集，有效数据集的判定需满足下述条件：

计算有效数据集的区比参数，将不满足区比参数条件的电阻率曲线予以删除；

其中，根据下述公式计算有效数据集的区比参数：

式中，为区比参数，T_on为电阻率测量的供电时间；区比参数需大于0.1，小于0.1的电阻率曲线予以删除；

对剩余电阻率数据曲线的有效数据集进行数据处理，得到电阻率曲线的视电阻率；

其中，根据下述公式计算电阻率曲线的视电阻率：

式中，ρ_a为视电阻率，K为装置系数，v为有效数据集的数据量，Vv_i为有效数据集中第i个电压数据，I为供电电流；

整合全剖面所有筛选处理后的视电阻率，对数据进行反演解译。

优选地，本发明的一个较佳实施例中，还包括以下步骤：

测量高密度电阻率数据时，需通过供电电极A、B对地下介质供电，供电时间为T_on，采集测量电极M、N之间的全波形电压信号在开始供电之前，采集M、N之间的全波形自然电位信号，采集时间与采样率均与高密度电阻率测量相同，并将每次测得的自然电位信号/>作为后续高密度电阻率数据的基准趋势信号。

优选地，本发明的一个较佳实施例中，根据以下多项式公式对基准趋势信号进行n次多项式拟合：

V＝a₀·tⁿ+a₁·t^n-1+…+a_n-1·t+a_n

式中，{a₀,a₁,…,a_n-1,a_n}为待估参数，样本点为 多项式的最高次数n取决于拟合的可决系数，拟合过程中对n逐渐增加，直至可决系数达到0.6，或n增加至10，停止增加。

优选地，本发明的一个较佳实施例中，根据拟合的多项式预测电阻率数据测量期间的自然电位信号，将时间序列代入所述多项式公式中，得到预测自然电位序列/>根据以下公式对全波形电压信号进行漂移去除：

Vdt＝V-Vf

式中，Vdt为漂移去除后的电压信号，V为测量的原始全波形信号，Vf为预测自然电位序列。

优选地，本发明的一个较佳实施例中，对所述漂移去除后的电压信号进行降噪处理，具体为：

分别计算电压的上边界带形信号和下边界带形信号，整合上、下边界带形信号，得到降噪后的电压信号。

优选地，本发明的一个较佳实施例中，对于漂移去除后的电压信号上边界带形和下边界带形根据以下公式计算：

Vu_i＝max{Vdt_i,Vdt_i+1,…,Vdt_i+9}

Vl_i＝min{Vdt_i,Vdt_i+1,…,Vdt_i+9}

式中，Vu_i为电压序列中第i个数据的上边界带形，Vl_i为电压序列中第i个数据的下边界带形；分别将上边界带形和下边界带形拟合，得到上边界带形信号Vub_i和下边界带形信号Vlb_i；降噪后的电压信号根据以下公式计算：

式中，Vdn_i为降噪后的电压信号。

优选地，本发明的一个较佳实施例中，对每一个降噪后的全波形电压信号符号特性进行判定时，全波形电压信号序列的所有数据需满足符号与装置系数相同，若有任意一个数据符号与装置系数相反，则将整个电阻率数据剔除。

优选地，本发明的一个较佳实施例中，对于每一个降噪后的全波形电压信号形状特性进行判定时，形状特性根据以下公式量化：

上式中,SC₁为形状幅值参数，SC₂为形状相位参数，sc_j为第j个信号与第j+1个信号之间的单调系数，当第j+1个信号大于第j个信号时，sc_j＝1，当第j+1个信号小于第j个信号时，sc_j＝0；ssc_j为差值单调系数，当第j个信号与第j+1个信号之间的差值大于第j+1个信号与第j+2个信号之间的差值，ssc_j＝1，反之，ssc_j＝0。

优选地，本发明的一个较佳实施例中，对于形状幅值参数和形状相位参数，需满足下述条件：

上式中，Vdn_max和Vdn_min分别为降噪后全波形信号序列的最大值和最小值；若不满足上述条件，则将整个电阻率数据剔除。

本发明第二方面公开了基于全波形的高密度电阻率数据筛选和处理系统，所述高密度电阻率数据筛选和处理系统包括储存器与处理器，所述储存器中包括高密度电阻率数据筛选和处理方法程序，所述高密度电阻率数据筛选和处理方法程序被处理器执行时，实现任一项所述的高密度电阻率数据筛选和处理方法步骤。

本发明解决了背景技术中存在的技术缺陷，本发明具备以下有益效果：

(1)进行高密度电阻率法测量的同时记录全波形电压信号，综合考量电压信号的形状特性，对递减与突变等明显有问题的信号予以判定，以更完整的角度与更科学的手段筛选与处理电阻率数据，可以显著提高处理后的数据质量。

(2)提出适用于全波形信号的漂移去除和降噪方法，并以此为基础建立统一标准的数据筛选体系，漂移去除过程考虑自然电位信号的演变过程，可以更准确的反映测量电压信号的原始状态，降噪方法的提出以电极极差噪音为基础，适用于高密度电阻率法测量，可以更好的还原电压的真实值。

(3)综合地下介质的激发极化效应提出自适应数据处理方法，考虑了激发极化效应的影响并将其消除，将激发极化效应的影响降低至1％以下，能够得到精确度更高的视电阻率数据，为后续的数据反演与解译提供可靠的技术支撑，提高调查结果的可信性与准确性。

(4)可以实现数据导入后的自动评价、筛选与处理，实现精准快速的数据处理，并自动导出每个电阻率数据的判定与处理结果，便于数据的快速反演与解译。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他实施例的附图。

图1为基于全波形的高密度电阻率数据筛选和处理流程图；

图2为本发明一实施例所提供的电压信号及基准趋势信号的全波形数据图；

图3为本发明一实施例所提供的全波形数据漂移去除示意图；

图4为本发明一实施例所提供的全波形数据上下边界带形方法降噪示意图；

图5为本发明一实施例所提供的正常电压与典型异常电压示意图；

图6为本发明一实施例所提供的有效数据集判定筛选示意图；

图7为本发明一实施例所提供的视电阻率剖面图。

具体实施方式

为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是，在不冲突的情况下，本申请的实施例及实施例中的特征可以相互组合。

在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是，本发明还可以采用其他不同于在此描述的其他方式来实施，因此，本发明的保护范围并不受下面公开的具体实施例的限制。

实施例一

如图1所示，本实施例提供了基于全波形的高密度电阻率数据筛选和处理方法，对于一个阵列的高密度电阻率数据，包括如下步骤：

进行高密度电阻率法测量时，同时采集电压信号的全波形数据及基准趋势信号的全波形数据，得到全波形电压信号，其中所述全波形数据的采样率k范围为[1000Hz,10000Hz]；

对所述全波形电压信号进行漂移去除，得到漂移去除后的电压信号；对所述漂移去除后的电压信号进行降噪处理，得到降噪后的全波形电压信号；以去除所述全波形电压信号的杂波；

对所有数据点的降噪后的全波形电压信号符号特性进行判定，不满足符号条件的电阻率曲线予以删除；

对剩余数据点的降噪后的全波形电压信号形状特性进行判定，不满足形状条件的电阻率曲线予以删除；

拟合降噪后的全波形电压信号，根据拟合曲线的导函数筛选有效数据集，满足判定条件的数据为有效数据集Vv，有效数据集所对应的时间范围[t₁,t₂]为有效数据区间，并将不存在有效数据区间的电阻率数据曲线予以删除；

其中，根据下述公式拟合降噪后的全波形电压信号：

Vdn＝-a·e^bt+c

式中，Vdn为降噪后的全波形电压信号，a,b,c为待估参数，t为测量时间；

其中，根据拟合曲线的导函数筛选有效数据集，有效数据集的判定需满足下述条件：

计算有效数据集的区比参数，将不满足区比参数条件的电阻率曲线予以删除；

其中，根据下述公式计算有效数据集的区比参数：

式中，为区比参数，T_on为电阻率测量的供电时间；区比参数需大于0.1，小于0.1的电阻率曲线予以删除；

对剩余电阻率数据曲线的有效数据集进行数据处理，得到电阻率曲线的视电阻率；

其中，根据下述公式计算电阻率曲线的视电阻率：

式中，ρ_a为视电阻率，K为装置系数，v为有效数据集的数据量，Vv_i为有效数据集中第i个电压数据，I为供电电流；

整合全剖面所有筛选处理后的视电阻率，对数据进行反演解译。

需要说明的是，通过本方法在进行高密度电阻率法测量的同时记录全波形电压信号，综合考量电压信号的形状特性，对递减与突变等明显有问题的信号予以判定，以更完整的角度与更科学的手段筛选与处理电阻率数据，可以显著提高处理后的数据质量。通过提出适用于全波形信号的漂移去除和降噪方法，并以此为基础建立统一标准的数据筛选体系，漂移去除过程考虑自然电位信号的演变过程，可以更准确的反映测量电压信号的原始状态，降噪方法的提出以电极极差噪音为基础，适用于高密度电阻率法测量，可以更好的还原电压的真实值。并且综合地下介质的激发极化效应提出自适应数据处理方法，考虑了激发极化效应的影响并将其消除，将激发极化效应的影响降低至1％以下，能够得到精确度更高的视电阻率数据，为后续的数据反演与解译提供可靠的技术支撑，提高调查结果的可信性与准确性。可以实现数据导入后的自动评价、筛选与处理，实现精准快速的数据处理，并自动导出每个电阻率数据的判定与处理结果，便于数据的快速反演与解译。

如图2所示，为本实施例采集的高密度电阻率法全波形电压信号及基准趋势信号的原始数据，首先通过测量电极M、N记录自然电位信号，采样时间为4s，采样率为1000Hz，电压序列为[V_-4000,…,V_-1]。再通过A、B两个供电电极进行供电，供电时间为4s，供电电流为200mA，供电同时使用M、N电极为测量电极进行测量，测量M、N之间的电压信号，采样率为1000Hz，电压序列为[V₁,…,V₄₀₀₀]。供电时，M、N之间的电压响应[V₁,…,V₄₀₀₀]发生突变，而后趋于稳定，突变是由电阻率引起的响应，趋于稳定的过程包含激发极化响应、自然电位信号与随机噪音的影响。

如图3所示，将自然电位电压序列[V_-4000,…,V_-1]作为基准趋势信号，拟合并预测电阻率测量期间自然电位信号并进行漂移去除。基准趋势信号的拟合基于下述n次多项式：

V＝a₀·tⁿ+a₁·t^n-1+…+a_n-1·t+a_n

式中，{a₀,a₁,…,a_n-1,a_n}为待估参数，样本点为{(-4,V_-4000)(-3.999,V_-3999)…(-0.002,V_-2)(-0.001,V_-1)}。拟合过程采用最小二乘法，高斯牛顿法进行参数估计收敛速度快，但稳定性有待提高，改进的LM方法通过添加对角矩阵的方式提高了算法稳定性，此方法每次迭代的参数更新量为：

Δβ＝(J^TJ+λI)^-1J^TΔM₀

式中Δβ为每次迭代的参数更新量；J为雅可比矩阵，即窗口数据对未知参数的偏导数矩阵；I为单位矩阵；λ为阻尼系数；ΔM₀为窗口视极化率与拟合视极化率的差值。先给参数赋初值，每次迭代更新后的参数更接近真实参数，直至满足收敛条件，停止迭代。

多项式的最高次数从1阶开始，拟合后计算拟合效果的可决系数，判定可决系数是否大于0.6，若不满足条件，则增加多项式的最高次数。可决系数的计算使用以下公式：

式中为残差平方和，表示拟合程度，值越小则拟合程度越高；为总平方和。可决系数R²在0-1之间，越接近1，模型拟合程度越好。1次多项式拟合后的可决系数为0.523，增加次数后2次多项式的拟合系数为0.751，因此选择2次多项式作为自然电位信号的拟合预测曲线。

根据拟合的多项式预测电阻率数据测量期间的自然电位信号，将时间序列[0.001,0.002,…,3.999,4]代入上述多项式中，得到预测自然电位序列[Vf₁,…,Vf₄₀₀₀],根据以下公式对全波形电压信号进行漂移去除：

Vdt＝V-Vf

式中，Vdt为漂移去除后的电压信号，V为测量的原始全波形信号，Vf为预测自然电位序列。

如图4所示，对漂移去除后的电压信号进行降噪处理，提出针对电阻率全波形信号特征的降噪方法：分别计算电压的上边界带形信号和下边界带形信号，整合上、下边界带形信号，得到降噪后的电压信号。

对于漂移去除后的电压序列[Vdt₁,…,Vdt₄₀₀₀]，上边界带形和下边界带形根据以下公式计算：

Vu_i＝max{Vdt_i,Vdt_i+1,…,Vdt_i+9}

Vl_i＝min{Vdt_i,Vdt_i+1,…,Vdt_i+9}

式中，Vu_i为电压序列中第i个数据的上边界带形，Vl_i为电压序列中第i个数据的下边界带形。

分别将上边界带形和下边界带形拟合，得到上边界带形信号Vub_i和下边界带形信号Vlb_i。降噪后的电压信号根据以下公式计算：

式中，Vdn_i为降噪后的电压信号。

如图5所示，首先对每一个降噪后的电阻率全波形信号符号特性进行判定，全波形信号序列[Vdn₁,…,Vdn₄₀₀₀]的所有数据需满足符号与装置系数相同，若有任意一个数据的符号与装置系数相反，则将整个电阻率数据剔除。装置系数的计算如下式所述：

式中，K为装置系数，AM，BM，AN，BN分别为电极AM、BM、AN、BN之间的距离。本实施例中装置系数为正，电压信号出现负值的需全部剔除。

如图6所示，对于每一个降噪后的电阻率全波形信号形状特性进行判定，形状特性的判定需考虑突变与蠕变两种，分别根据以下公式量化：

上式中,SC₁为形状幅值参数，考虑信号的突变特性，SC₂为形状相位参数，考虑信号的蠕变特性。sc_j为第j个信号与第j+1个信号之间的单调系数，当第j+1个信号大于第j个信号时，sc_j＝1，当第j+1个信号小于第j个信号时，sc_j＝0；ssc_j为差值单调系数，当第j个信号与第j+1个信号之间的差值大于第j+1个信号与第j+2个信号之间的差值，ssc_j＝1，反之，ssc_j＝0。

对于形状幅值参数和形状相位参数，需满足下述条件：

上式中，Vdn_max和Vdn_min分别为降噪后全波形信号序列[Vdn₁,…,Vdn₄₀₀₀]的最大值和最小值。若不满足上述任意一个条件，则将整个电阻率数据剔除。

根据下述公式拟合降噪后的全波形电压信号：

Vdn＝-a·e^bt+c

式中，Vdn为降噪后的全波形电压信号，a,b,c为待估参数，t为测量时间；拟合方法为上述改进的最小二乘法。

根据拟合曲线的导函数筛选有效数据集，有效数据集的判定需满足下述条件：

满足判定条件的数据为有效数据集Vv，有效数据集所对应的时间范围[t₁,t₂]为有效数据区间，不存在有效数据区间的电阻率数据曲线予以删除；本实施例中存在有效数据集，有效数据区间为[2.321,4.000]。

根据下述公式计算有效数据集的区比参数，不满足条件的电阻率曲线予以删除；

式中，为区比参数，T_on为电阻率测量的供电时间；区比参数需大于0.1，小于0.1的电阻率曲线予以删除；本实施例的区比参数为0.42。

对剩余电阻率数据曲线的有效数据集按以下公式进行处理，得到电阻率曲线的视电阻率；

式中，ρ_a为视电阻率，K为装置系数，v为有效数据集的数据量，Vv_i为有效数据集中第i个电压数据，I为供电电流。

实施例二：

如图1所示，本实施例提供了基于全波形的高密度电阻率数据筛选和处理方法、体系及系统，对于一个高密度电阻率剖面，包括如下步骤：

进行高密度电阻率法测量的同时采集电压信号的全波形数据及基准趋势信号的全波形数据，全波形数据的采样率k范围为[1000Hz,10000Hz]；

对全波形电压信号进行漂移去除及降噪处理，去除电压信号的杂波；

对所有数据点降噪后的全波形电压信号符号特性进行判定，不满足符号条件的电阻率曲线予以删除；

对剩余数据点降噪后的全波形电压信号形状特性进行判定，不满足形状条件的电阻率曲线予以删除；

拟合降噪后的全波形电压信号，根据拟合曲线的导函数筛选有效数据集，满足判定条件的数据为有效数据集Vv，有效数据集所对应的时间范围[t₁,t₂]为有效数据区间，不存在有效数据区间的电阻率数据曲线予以删除；

计算有效数据集的区比参数，不满足区比参数条件的电阻率曲线予以删除；

对剩余电阻率数据曲线的有效数据集进行数据处理，得到电阻率曲线的视电阻率；

整合全剖面所有筛选处理后的视电阻率，对数据进行反演解译。

如图7所示，为本实施例采集的电阻率剖面数据，测量阵列为梯度法，共两条测线首尾相接，每条测线32个电极，共64个电极，电极间距为2米，测线总长为126米。共采集1372个视电阻率数据点，供电时间为2秒，测量重复次数为1-2次，供电电流为200mA。

得到1372个电阻率数据后，按照实施例一的方法和步骤分别处理与筛选每个电阻率信号。由于本实施例使用梯度法进行测量，装置系数均为正，因此电压需为正值，不满足条件的仅有3个数据。不满足形状特性的数据为79个，其中，12个数据不满足形状幅值参数，25个数据不满足形状相位参数，42个数据均不满足。不满足区比参数条件的数据为33个。经过筛选，1257个数据满足条件，计算视电阻率，进行反演。最终的反演结果更精细的刻画了目标区域的范围，并经钻孔验证，证实了本数据筛选和处理方法的可靠性。

实施例三：

如图1所示，本实施例提供了基于全波形的高密度电阻率数据筛选和处理方法、体系及系统，对于一个或多个包含多组电阻率的剖面，可以将剖面所有数据一次性导入系统中，系统可以对所有剖面数据自动评价、筛选与处理，实现精准快速的数据处理，并自动导出每个电阻率数据的判定与处理结果，便于数据的快速反演与解译。

在本申请所提供的几个实施例中，应该理解到，所揭露的设备和方法，可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，如：多个单元或组件可以结合，或可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口，设备或单元的间接耦合或通信连接，可以是电性的、机械的或其它形式的。

上述作为分离部件说明的单元可以是、或也可以不是物理上分开的，作为单元显示的部件可以是、或也可以不是物理单元；既可以位于一个地方，也可以分布到多个网络单元上；可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。

另外，在本发明各实施例中的各功能单元可以全部集成在一个处理单元中，也可以是各单元分别单独作为一个单元，也可以两个或两个以上单元集成在一个单元中；上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。

本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：移动存储设备、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

或者，本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机、服务器、或者网络设备等)执行本发明各个实施例方法的全部或部分。而前述的存储介质包括：移动存储设备、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。

以上，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。

Claims (10)

1.基于全波形的高密度电阻率数据筛选和处理方法，其特征在于，包括以下步骤：

进行高密度电阻率法测量时，同时采集电压信号的全波形数据及基准趋势信号的全波形数据，得到全波形电压信号，其中所述全波形数据的采样率k范围为[1000Hz,10000Hz]；

对所述全波形电压信号进行漂移去除，得到漂移去除后的电压信号；对所述漂移去除后的电压信号进行降噪处理，得到降噪后的全波形电压信号；以去除所述全波形电压信号的杂波；

对所有数据点的降噪后的全波形电压信号符号特性进行判定，不满足符号条件的电阻率曲线予以删除；

对剩余数据点的降噪后的全波形电压信号形状特性进行判定，不满足形状条件的电阻率曲线予以删除；

拟合降噪后的全波形电压信号，根据拟合曲线的导函数筛选有效数据集，满足判定条件的数据为有效数据集Vv，有效数据集所对应的时间范围[t₁,t₂]为有效数据区间，并将不存在有效数据区间的电阻率数据曲线予以删除；

其中，根据下述公式拟合降噪后的全波形电压信号：

Vdn＝-a·e^bt+c

式中，Vdn为降噪后的全波形电压信号，a,b,c为待估参数，t为测量时间；

其中，根据拟合曲线的导函数筛选有效数据集，有效数据集的判定需满足下述条件：

计算有效数据集的区比参数，将不满足区比参数条件的电阻率曲线予以删除；

其中，根据下述公式计算有效数据集的区比参数：

式中，为区比参数，T_on为电阻率测量的供电时间；区比参数需大于0.1，小于0.1的电阻率曲线予以删除；

对剩余电阻率数据曲线的有效数据集进行数据处理，得到电阻率曲线的视电阻率；

其中，根据下述公式计算电阻率曲线的视电阻率：

式中，ρ_a为视电阻率，K为装置系数，v为有效数据集的数据量，Vv_i为有效数据集中第i个电压数据，I为供电电流；

整合全剖面所有筛选处理后的视电阻率，对数据进行反演解译。

2.根据权利要求1所述的基于全波形的高密度电阻率数据筛选和处理方法，其特征在于，还包括以下步骤：

测量高密度电阻率数据时，需通过供电电极A、B对地下介质供电，供电时间为T_on，采集测量电极M、N之间的全波形电压信号在开始供电之前，采集M、N之间的全波形自然电位信号，采集时间与采样率均与高密度电阻率测量相同，并将每次测得的自然电位信号/>作为后续高密度电阻率数据的基准趋势信号。

3.根据权利要求2所述的基于全波形的高密度电阻率数据筛选和处理方法，其特征在于，根据以下多项式公式对基准趋势信号进行n次多项式拟合：

V＝a₀·tⁿ+a₁·t^n-1+…+a_n-1·t+a_n

式中，{a₀,a₁,…,a_n-1,a_n}为待估参数，样本点为 多项式的最高次数n取决于拟合的可决系数，拟合过程中对n逐渐增加，直至可决系数达到0.6，或n增加至10，停止增加。

4.根据权利要求3所述的基于全波形的高密度电阻率数据筛选和处理方法，其特征在于，根据拟合的多项式预测电阻率数据测量期间的自然电位信号，将时间序列代入所述多项式公式中，得到预测自然电位序列根据以下公式对全波形电压信号进行漂移去除：

Vdt＝V-Vf

式中，Vdt为漂移去除后的电压信号，V为测量的原始全波形信号，Vf为预测自然电位序列。

5.根据权利要求1所述的基于全波形的高密度电阻率数据筛选和处理方法，其特征在于，对所述漂移去除后的电压信号进行降噪处理，具体为：

分别计算电压的上边界带形信号和下边界带形信号，整合上、下边界带形信号，得到降噪后的电压信号。

6.根据权利要求5所述的基于全波形的高密度电阻率数据筛选和处理方法，其特征在于，对于漂移去除后的电压信号上边界带形和下边界带形根据以下公式计算：

Vu_i＝max{Vdt_i,Vdt_i+1,…,Vdt_i+9}

Vl_i＝min{Vdt_i,Vdt_i+1,…,Vdt_i+9}

式中，Vu_i为电压序列中第i个数据的上边界带形，Vl_i为电压序列中第i个数据的下边界带形；分别将上边界带形和下边界带形拟合，得到上边界带形信号Vub_i和下边界带形信号Vlb_i；降噪后的电压信号根据以下公式计算：

式中，Vdn_i为降噪后的电压信号。

7.根据权利要求1所述的基于全波形的高密度电阻率数据筛选和处理方法，其特征在于，对每一个降噪后的全波形电压信号符号特性进行判定时，全波形电压信号序列的所有数据需满足符号与装置系数相同，若有任意一个数据符号与装置系数相反，则将整个电阻率数据剔除。

8.根据权利要求1所述的基于全波形的高密度电阻率数据筛选和处理方法，其特征在于，对于每一个降噪后的全波形电压信号形状特性进行判定时，形状特性根据以下公式量化：

上式中,SC₁为形状幅值参数，SC₂为形状相位参数，sc_j为第j个信号与第j+1个信号之间的单调系数，当第j+1个信号大于第j个信号时，sc_j＝1，当第j+1个信号小于第j个信号时，sc_j＝0；ssc_j为差值单调系数，当第j个信号与第j+1个信号之间的差值大于第j+1个信号与第j+2个信号之间的差值，ssc_j＝1，反之，ssc_j＝0。

9.根据权利要求8所述的基于全波形的高密度电阻率数据筛选和处理方法，其特征在于，对于形状幅值参数和形状相位参数，需满足下述条件：

上式中，Vdn_max和Vdn_min分别为降噪后全波形信号序列的最大值和最小值；若不满足上述条件，则将整个电阻率数据剔除。

10.基于全波形的高密度电阻率数据筛选和处理系统，其特征在于，所述高密度电阻率数据筛选和处理系统包括储存器与处理器，所述储存器中包括高密度电阻率数据筛选和处理方法程序，所述高密度电阻率数据筛选和处理方法程序被处理器执行时，实现如权利要求1-9任一项所述的高密度电阻率数据筛选和处理方法步骤。