CN117075212A - 一种隧道磁共振裂隙结构成像方法 - Google Patents
一种隧道磁共振裂隙结构成像方法 Download PDFInfo
- Publication number
- CN117075212A CN117075212A CN202311330089.3A CN202311330089A CN117075212A CN 117075212 A CN117075212 A CN 117075212A CN 202311330089 A CN202311330089 A CN 202311330089A CN 117075212 A CN117075212 A CN 117075212A
- Authority
- CN
- China
- Prior art keywords
- water
- dimensional
- fracture
- magnetic resonance
- tunnel
- 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
Links
- 238000003384 imaging method Methods 0.000 title claims abstract description 32
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 93
- 238000000034 method Methods 0.000 claims abstract description 26
- 238000001514 detection method Methods 0.000 claims abstract description 21
- 238000005070 sampling Methods 0.000 claims abstract description 17
- 238000005553 drilling Methods 0.000 claims abstract description 16
- 238000012549 training Methods 0.000 claims abstract description 7
- 230000005415 magnetization Effects 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 6
- 238000012804 iterative process Methods 0.000 claims description 5
- 230000005284 excitation Effects 0.000 claims description 4
- 230000008030 elimination Effects 0.000 claims description 3
- 238000003379 elimination reaction Methods 0.000 claims description 3
- 230000005358 geomagnetic field Effects 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 230000035945 sensitivity Effects 0.000 claims description 3
- 238000005259 measurement Methods 0.000 abstract description 7
- 238000004891 communication Methods 0.000 abstract description 4
- 238000005481 NMR spectroscopy Methods 0.000 description 3
- 238000010276 construction Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000001939 inductive effect Effects 0.000 description 2
- 239000011148 porous material Substances 0.000 description 2
- 238000002922 simulated annealing Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000003673 groundwater Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000001225 nuclear magnetic resonance method Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000011435 rock Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- E—FIXED CONSTRUCTIONS
- E21—EARTH DRILLING; MINING
- E21F—SAFETY DEVICES, TRANSPORT, FILLING-UP, RESCUE, VENTILATION, OR DRAINING IN OR OF MINES OR TUNNELS
- E21F17/00—Methods or devices for use in mines or tunnels, not covered elsewhere
- E21F17/18—Special adaptations of signalling or alarm devices
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V3/00—Electric or magnetic prospecting or detecting; Measuring magnetic field characteristics of the earth, e.g. declination, deviation
- G01V3/14—Electric or magnetic prospecting or detecting; Measuring magnetic field characteristics of the earth, e.g. declination, deviation operating with electron or nuclear magnetic resonance
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V3/00—Electric or magnetic prospecting or detecting; Measuring magnetic field characteristics of the earth, e.g. declination, deviation
- G01V3/38—Processing data, e.g. for analysis, for interpretation, for correction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10072—Tomographic images
- G06T2207/10088—Magnetic resonance imaging [MRI]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20076—Probabilistic image processing
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/30—Assessment of water resources
Abstract
本发明属于地球物理勘探领域，具体来讲为一种隧道磁共振裂隙结构成像方法。该方法包括：在隧道掌子面两端处分别向前钻孔，并记录两个钻孔内出水点的位置，作为二维裂隙水的边界约束；在掌子面上铺设收发一体线圈以获取一维磁共振测量数据，参与基于多点地质统计的贝叶斯反演。根据地质资料选取训练图像描述裂隙形态，结合钻孔得到的边界约束，并行采样多条马尔科夫链直接预测复杂裂隙分布和其连通结构。并参考后验分布以有偏估计的形式获取额外的结构约束，进行新一轮改进的马尔科夫链采样，实现裂隙水的二维结构成像。该方法只使用一维探测线圈，降低了野外测量难度。
Description
技术领域
本发明属于地球物理勘探领域，具体来讲为一种隧道磁共振裂隙结构成像方法。
背景技术
隧道施工过程中，需要对掌子面前方的灾害水体进行超前探测，以避免事故的发生。核磁共振方法可直接对地下水进行非侵入性探测，并对孔隙大小分布定量评估。隧道诱灾水体经常以岩石间的裂隙水形式存在。为了准确定位诱灾水体，隧道磁共振探测技术需要扩展到二维结构成像。
CN102262247A公开了一种隧道突水超前预测装置及方法。该方法将收发一体多匝矩形或方形线圈平行布设于掌子面上，控制发射桥路产生激发磁场，并采集核磁共振信号以解释不同深度含水量与孔隙大小分布。但该方法仅限于一维超前探测，只能呈现出掌子面前方含水构造的粗略位置，无法反映具体的空间分布。
CN104765072A公开了一种用环形天线旋转进行磁共振超前探测的方法。该方法将环形天线固定在可旋转支架上，采用垂直旋转和水平旋转的测量方式，实现掌子面前方扇形区域内的含水体二维成像探测。但该方法需要在隧道的狭窄空间内，多次旋转收发同一线圈，会耗费大量测量时间且不易实际操作。
CN111077581A公开了一种隧道灾害水源三维核磁共振超前探测及成像方法。该方法采用一个固定方向的发射线圈和三轴多角度接收天线，可以快速获取隧道全空间内的含水构造的核磁共振响应，并反演得到含水体分布。但该方法的成像思路均是基于精确的含水量数值反演实现的，并不是直接预测复杂裂隙的连通结构。受限于微弱的磁共振信号与有限的探测分辨率，其对复杂裂隙结构的解释效果不佳。
发明内容
本发明所要解决的技术问题在于提供一种隧道磁共振裂隙结构成像方法，仅使用常规的一维磁共振测量获取的数据，结合施工过程获取的钻孔资料，直接预测复杂裂隙分布和其连通结构，即实现裂隙水的二维结构成像。
本发明是这样实现的，
一种隧道磁共振裂隙结构成像方法，该方法包括：
在掌子面的两端处分别向前钻孔，记录两个钻孔内出水点的位置，作为二维裂隙水的边界约束；
根据地质资料选取训练图像描述裂隙形态，生成二维裂隙水结构模型；
以一维磁共振探测形式，在掌子面上铺设一个收发一体的方形线圈；
从大到小依次在线圈中通入Q个不同脉冲矩的交变电流，以激发掌子面前方的裂隙水，并采集一维磁共振信号；
将采集的磁共振信号进行尖峰噪声、工频谐波和随机噪声的消除；
将经过数据处理后的一维磁共振信号结合二维裂隙水结构模型和二维裂隙水的边界约束，用于基于多点地质统计的贝叶斯反演，获得裂隙二维结构成像。
进一步地，基于多点地质统计的贝叶斯反演，包括采用并行采样多条马尔科夫链，作为第一轮反演结果；从第一轮反演结果中提出有价值的信息作为额外的约束，进行第二次反演，其中：将贝叶斯框架表示为：
其中， />是先验模型的联合概率密度函数； />代表似然函数； />是观测数据的概率密度函数； />代表后验概率密度函数；
单条马尔科夫链的迭代过程包括：
基于训练图像，使用SNESIM建模生成符合裂隙形态的二维先验实现，将掌子面两端的钻孔得到的出水点位置作为裂隙水的边界约束，并以硬约束的形式添加在SNESIM建模过程中，使每个先验实现的边界区域都满足钻孔的出水点情况；
参考已有的隧道地质资料，将先验含水体的含水量与弛豫时间被设定为恒定的先验单值；
建立二维核函数，用于计算二维先验含水体的磁共振正演信号，二维核函数表示为：
其中，/>代表拉莫尔频率，/>代表平衡状态下的磁化强度，/>是单位磁化强度在与地磁场垂直方向上的分量，/>项表示线圈的空间灵敏度，/> 和 />分别是发射场和接收场在椭圆激化下产生的相位分量；
计算拟合误差 ， />表示一维磁共振探测数据；
在上一个先验含水体中随机扰动一个矩形区域重新建模，获得新的先验含水体；
计算新的先验含水体的拟合误差 ，以模拟退火的形式判断是否接受新模型；
不断在当前先验含水体基础上扰动并重新建模，形成单条马尔科夫链的状态跳转，直至达到最大迭代次数；
按照单条马尔科夫链的迭代流程，并行采样多条马尔科夫链实现第一轮反演。
进一步地，从第一轮反演结果中提出有价值的信息作为额外的约束，进行第二次反演，包括：
将第一轮反演中的多条马尔科夫链的后验分布计算均值，得到二维结构的含水概率趋势；
选取含水量分界线，以有偏估计的方式将小于该分界线的区域视为“无水”，作为额外的结构约束，以约束裂隙结构特征并强化大概率含水区域的搜索能力；
重复第二轮多条马尔科夫链并行采样，将钻孔得到的裂隙边界约束与有偏估计获得的额外的结构约束都作为硬约束数据；
新一轮迭代完成后，得到裂隙水的二维结构成像。
进一步地，探测隧道另外一个掌子面的二维裂隙水，得到隧道另外一个掌子面前方裂隙水的二维结构成像，并将两个掌子面的二维结构成像结合得到整体探测隧道的二维结构成像。
本发明与现有技术相比，有益效果在于：采用本发明方法仅使用常规的一维磁共振测量获取的数据，直接预测复杂裂隙分布和其连通结构，即实现裂隙水的二维结构成像，且一维线圈的铺设需求降低了野外测量难度。
附图说明
图1是本发明方法提供的隧道磁共振裂隙结构成像方法的流程图；
图2是采用本发明方法的隧道探测方案示意图；
图3是隧道掌子面前方裂隙水二维结构的探测结果，(a)为后验分布的均值，(b-d)为三个后验实现；
图4是隧道另外一个掌子面前方裂隙水的探测结果，(a)为后验分布的均值，(b-d)为三个后验实现。
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。
参见图1所示，一种隧道磁共振裂隙结构成像方法，该方法包括，
在掌子面的两端处分别向前钻孔8m，并记录两个钻孔内出水点的深度，作为二维裂隙水的边界约束；
钻孔表明，左侧2.5m、4.5m和6.5m处有出水点，右侧1.5m、3.5m和5.5m处有出水点；
根据地质资料选取训练图像描述裂隙形态，用于生成二维裂隙水结构模型；
以一维磁共振探测形式，在掌子面上竖直铺设一个收发一体的方形线圈，边长为8m，匝数为10匝；
图2是隧道探测方案示意图。
从大到小依次在线圈中通入20个不同脉冲矩的交变电流，最大脉冲矩是4As，拉莫尔频率为2330Hz，以激发掌子面前方的裂隙水，并采集磁共振信号，表示为，T为转置运算。其中， />，为第一个脉冲距线圈接收的磁共振信号， />表示第N个采样点的时间，N=1,2,…,n；本实施例中，采样时间为1s，采样率为50000Hz，所以n=50000；
将采集的磁共振信号进行尖峰噪声、工频谐波和随机噪声的消除；
将经过数据处理后的一维磁共振信号以及二维裂隙水结构模型用于基于多点地质统计的贝叶斯反演，以获得裂隙结构成像；
基于多点地质统计的贝叶斯反演，包括并行采样多条马尔科夫链，作为第一轮反演结果；从第一轮反演结果中提出有价值的信息作为额外的约束，进行第二次反演，将贝叶斯框架表示为：
其中， />是先验模型的联合概率密度函数； />代表似然函数； />是观测数据的概率密度函数； />代表后验概率密度函数；
单条马尔科夫链的迭代流程为：
基于训练图像，使用SNESIM建模生成符合裂隙形态的二维先验实现，将掌子面两端的钻孔得到的出水点位置作为裂隙水的边界约束，并以硬约束的形式添加在SNESIM建模过程中，使每个先验实现的边界区域都满足钻孔的出水点情况；
根据该隧道裂隙水的先验地质资料，将含水量设为100%，弛豫时间为0.4s；
建立二维核函数，获得二维先验含水体的磁共振正演信号，二维核函数可表示为：
其中，/>代表拉莫尔频率，/>代表平衡状态下的磁化强度，/>是单位磁化强度在与地磁场垂直方向上的分量，/>项表示线圈的空间灵敏度， /> 和 />分别是发射场和接收场在椭圆激化下产生的相位分量；
计算拟合误差，/>表示一维磁共振探测数据；
在上一个先验含水体中随机扰动一个矩形区域重新建模，获得新的先验含水体；
计算新的先验含水体的拟合误差，以模拟退火的形式判断是否接受新模型；
设定最大迭代次数为5000次，不断在当前先验含水体基础上扰动并重新建模，形成单条马尔科夫链的状态跳转，直至达到最大迭代次数；
按照上述单条马尔科夫链的迭代流程，并行采样20条马尔科夫链；
将这一轮的20个马尔科夫链的后验分布计算均值，得到二维结构的含水概率趋势；
选取含水量分界线为0.1，以有偏估计的方式将含水量小于0.1的区域视为“无水”，作为额外的结构约束，以约束裂隙结构特征并强化大概率含水区域的搜索能力；
重复新一轮多条马尔科夫链采样，并行采样20条链，与第一轮的区别在于，这一轮采样的SNESIM建模过程中，将钻孔得到的裂隙边界约束与有偏估计获得的结构约束都作为硬约束数据；
新一轮迭代完成后，得到裂隙水的二维结构成像，图3(a)为后验分布的均值，图3(b-d)为三个后验实现；
探测隧道另外一个掌子面的二维裂隙水；
重复以上步骤，得到隧道另外一个掌子面前方裂隙水的二维结构成像，图4(a)为后验分布的均值，图4(b-d)为三个后验实现；
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。
Claims (4)
1.一种隧道磁共振裂隙结构成像方法，其特征在于，该方法包括：
在掌子面的两端处分别向前钻孔，记录两个钻孔内出水点的位置，作为二维裂隙水的边界约束；
根据地质资料选取训练图像描述裂隙形态，生成二维裂隙水结构模型；
以一维磁共振探测形式，在掌子面上铺设一个收发一体的方形线圈；
从大到小依次在线圈中通入Q个不同脉冲矩的交变电流，以激发掌子面前方的裂隙水，并采集一维磁共振信号；
将采集的磁共振信号进行尖峰噪声、工频谐波和随机噪声的消除；
将经过数据处理后的一维磁共振信号结合二维裂隙水结构模型和二维裂隙水的边界约束，用于基于多点地质统计的贝叶斯反演，获得裂隙二维结构成像。
2.按照权利要求1所述的一种隧道磁共振裂隙结构成像方法，其特征在于，基于多点地质统计的贝叶斯反演，包括采用并行采样多条马尔科夫链，作为第一轮反演结果；从第一轮反演结果中提出有价值的信息作为额外的约束，进行第二次反演，其中：将贝叶斯框架表示为：
其中，/>是先验模型的联合概率密度函数；/>代表似然函数；/>是观测数据的概率密度函数；/>代表后验概率密度函数；
单条马尔科夫链的迭代过程包括：
基于训练图像，使用SNESIM建模生成符合裂隙形态的二维先验实现，将掌子面两端的钻孔得到的出水点位置作为裂隙水的边界约束，并以硬约束的形式添加在SNESIM建模过程中，使每个先验实现的边界区域都满足钻孔的出水点情况；
参考已有的隧道地质资料，将先验含水体的含水量与弛豫时间被设定为恒定的先验单值；
建立二维核函数，用于计算二维先验含水体的磁共振正演信号，二维核函数表示为：
其中，/>代表拉莫尔频率，/>代表平衡状态下的磁化强度，/>是单位磁化强度在与地磁场垂直方向上的分量，/>项表示线圈的空间灵敏度，/> 和 />分别是发射场和接收场在椭圆激化下产生的相位分量；
计算拟合误差，/>表示一维磁共振探测数据；
在上一个先验含水体中随机扰动一个矩形区域重新建模，获得新的先验含水体；
计算新的先验含水体的拟合误差，以模拟退火的形式判断是否接受新模型；
不断在当前先验含水体基础上扰动并重新建模，形成单条马尔科夫链的状态跳转，直至达到最大迭代次数；
按照单条马尔科夫链的迭代流程，并行采样多条马尔科夫链实现第一轮反演。
3.按照权利要求2所述的一种隧道磁共振裂隙结构成像方法，其特征在于，从第一轮反演结果中提出有价值的信息作为额外的约束，进行第二次反演，包括：
将第一轮反演中的多条马尔科夫链的后验分布计算均值，得到二维结构的含水概率趋势；
选取含水量分界线，以有偏估计的方式将小于该分界线的区域视为“无水”，作为额外的结构约束，以约束裂隙结构特征并强化大概率含水区域的搜索能力；
重复第二轮多条马尔科夫链并行采样，将钻孔得到的裂隙边界约束与有偏估计获得的额外的结构约束都作为硬约束数据；
新一轮迭代完成后，得到裂隙水的二维结构成像。
4.按照权利要求3所述的一种隧道磁共振裂隙结构成像方法，其特征在于，探测隧道另外一个掌子面的二维裂隙水，得到隧道另外一个掌子面前方裂隙水的二维结构成像，并将两个掌子面的二维结构成像结合得到整体探测隧道的二维结构成像。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311330089.3A CN117075212B (zh) | 2023-10-16 | 2023-10-16 | 一种隧道磁共振裂隙结构成像方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311330089.3A CN117075212B (zh) | 2023-10-16 | 2023-10-16 | 一种隧道磁共振裂隙结构成像方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117075212A true CN117075212A (zh) | 2023-11-17 |
| CN117075212B CN117075212B (zh) | 2024-01-26 |
Family
ID=88719841
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311330089.3A Active CN117075212B (zh) | 2023-10-16 | 2023-10-16 | 一种隧道磁共振裂隙结构成像方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117075212B (zh) |
Citations (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5838634A (en) * | 1996-04-04 | 1998-11-17 | Exxon Production Research Company | Method of generating 3-D geologic models incorporating geologic and geophysical constraints |
| CN102326098A (zh) * | 2009-01-20 | 2012-01-18 | 雪佛龙美国公司 | 用于估计地球模型参数的地球物理数据随机反演 |
| US20130238304A1 (en) * | 2012-03-06 | 2013-09-12 | Michael Edwin Glinsky | Model Predicting Fracturing of Shale |
| CN104765072A (zh) * | 2015-03-25 | 2015-07-08 | 吉林大学 | 一种用环形天线旋转进行磁共振超前探测的方法 |
| CN105785455A (zh) * | 2016-03-09 | 2016-07-20 | 吉林大学 | 一种基于b样条插值的二维地面核磁共振反演方法 |
| CN110210121A (zh) * | 2019-05-31 | 2019-09-06 | 成都理工大学 | 一种隧道大变形灾害的动态风险获取方法 |
| CN110908000A (zh) * | 2019-11-07 | 2020-03-24 | 吉林大学 | 基于变维贝叶斯的隧道瞬变电磁数据解释方法 |
| CN111077581A (zh) * | 2019-05-17 | 2020-04-28 | 吉林大学 | 一种隧道突水三维核磁共振超前探测装置及成像方法 |
| CN111239837A (zh) * | 2020-02-20 | 2020-06-05 | 吉林大学 | 基于mcmc的地面核磁共振信号参数提取方法 |
| CN112904419A (zh) * | 2021-01-26 | 2021-06-04 | 南方科技大学 | 一种微地震成像方法及终端设备 |
| US20210263176A1 (en) * | 2020-01-21 | 2021-08-26 | Yangtze University | Multi-point geostatistical prestack inversion method based on renewal probability ratio constant theory |
| US20210325500A1 (en) * | 2017-01-23 | 2021-10-21 | Koninklijke Philips N.V. | Acquisition of four dimensional magnetic resonance data during subject motion |
| CN114236639A (zh) * | 2021-11-23 | 2022-03-25 | 山东大学 | 基于核磁共振与电阻率联合的矿井灾害水源动态监测方法 |
| US11500117B1 (en) * | 2021-09-13 | 2022-11-15 | Institute Of Geology And Geophysics, Chinese Academy Of Sciences | Method and system for evaluating filling characteristics of deep paleokarst reservoir through well-to-seismic integration |
| US20230289499A1 (en) * | 2022-03-11 | 2023-09-14 | Saudi Arabian Oil Company | Machine learning inversion using bayesian inference and sampling |
| CN116794733A (zh) * | 2022-12-19 | 2023-09-22 | 吉林大学 | 一种隧道磁共振与瞬变电磁联合反演方法 |
-
2023
- 2023-10-16 CN CN202311330089.3A patent/CN117075212B/zh active Active
Patent Citations (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5838634A (en) * | 1996-04-04 | 1998-11-17 | Exxon Production Research Company | Method of generating 3-D geologic models incorporating geologic and geophysical constraints |
| CN102326098A (zh) * | 2009-01-20 | 2012-01-18 | 雪佛龙美国公司 | 用于估计地球模型参数的地球物理数据随机反演 |
| US20130238304A1 (en) * | 2012-03-06 | 2013-09-12 | Michael Edwin Glinsky | Model Predicting Fracturing of Shale |
| CN104765072A (zh) * | 2015-03-25 | 2015-07-08 | 吉林大学 | 一种用环形天线旋转进行磁共振超前探测的方法 |
| CN105785455A (zh) * | 2016-03-09 | 2016-07-20 | 吉林大学 | 一种基于b样条插值的二维地面核磁共振反演方法 |
| US20210325500A1 (en) * | 2017-01-23 | 2021-10-21 | Koninklijke Philips N.V. | Acquisition of four dimensional magnetic resonance data during subject motion |
| CN111077581A (zh) * | 2019-05-17 | 2020-04-28 | 吉林大学 | 一种隧道突水三维核磁共振超前探测装置及成像方法 |
| CN110210121A (zh) * | 2019-05-31 | 2019-09-06 | 成都理工大学 | 一种隧道大变形灾害的动态风险获取方法 |
| CN110908000A (zh) * | 2019-11-07 | 2020-03-24 | 吉林大学 | 基于变维贝叶斯的隧道瞬变电磁数据解释方法 |
| US20210263176A1 (en) * | 2020-01-21 | 2021-08-26 | Yangtze University | Multi-point geostatistical prestack inversion method based on renewal probability ratio constant theory |
| CN111239837A (zh) * | 2020-02-20 | 2020-06-05 | 吉林大学 | 基于mcmc的地面核磁共振信号参数提取方法 |
| CN112904419A (zh) * | 2021-01-26 | 2021-06-04 | 南方科技大学 | 一种微地震成像方法及终端设备 |
| US11500117B1 (en) * | 2021-09-13 | 2022-11-15 | Institute Of Geology And Geophysics, Chinese Academy Of Sciences | Method and system for evaluating filling characteristics of deep paleokarst reservoir through well-to-seismic integration |
| CN114236639A (zh) * | 2021-11-23 | 2022-03-25 | 山东大学 | 基于核磁共振与电阻率联合的矿井灾害水源动态监测方法 |
| US20230289499A1 (en) * | 2022-03-11 | 2023-09-14 | Saudi Arabian Oil Company | Machine learning inversion using bayesian inference and sampling |
| CN116794733A (zh) * | 2022-12-19 | 2023-09-22 | 吉林大学 | 一种隧道磁共振与瞬变电磁联合反演方法 |
Non-Patent Citations (2)
| Title |
|---|
| CHUANDONG JIANG: "Bayesian Inversion for Surface Magnetic Resonance Tomography Based on Geostatistics", 《IEEE TRANSACTIONS ON GEOSCIENCE AND REMOTE SENSING》, vol. 60, pages 2 - 13 * |
| 郜泽霖: "马尔科夫链蒙特卡洛地面磁共振信号参数提取", 《吉林大学学报（信息科学版）》, vol. 38, no. 4 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117075212B (zh) | 2024-01-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| AU2016226554B2 (en) | Nuclear magnetic resonance apparatus, systems, and methods | |
| CA2918629C (en) | Azimuthally-selective downhole nuclear magnetic resonance (nmr) tool | |
| CN1186649C (zh) | 用于计算自旋－自旋弛豫时间分布的设备和方法 | |
| CN110187394B (zh) | 双场源电磁测深法获取地层电阻率各向异性的方法及装置 | |
| US20170123098A1 (en) | Robust multi-dimensional inversion from wellbore nmr measurements | |
| US10228336B2 (en) | Mobile NMR sensor for analyzing subsurface samples | |
| Jiang et al. | Imaging shallow three dimensional water-bearing structures using magnetic resonance tomography | |
| RU2318224C2 (ru) | Азимутальная ямр-визуализация свойств горной породы из ствола скважины | |
| Lin et al. | First evidence of the detection of an underground nuclear magnetic resonance signal in a tunnel | |
| Jiang et al. | Two-dimensional QT inversion of complex magnetic resonance tomography data | |
| Zhang et al. | Multiscale fractures characterization based on ant colony optimization and two-dimensional variational mode decomposition | |
| US11566511B2 (en) | Imaging inside a structure using magneto quasistatic fields | |
| CN117075212B (zh) | 一种隧道磁共振裂隙结构成像方法 | |
| CN106873044B (zh) | 阵列式squid核磁共振地下水探测装置及成像方法 | |
| NO20231225A1 (en) | Reducing motion effects on nuclear magnetic resonance relaxation data | |
| CN114791633B (zh) | 监测页岩气压裂的方法、系统及介质 | |
| Perrusson et al. | Conductive masses in a half-space Earth in the diffusive regime: Fast hybrid modeling of a low-contrast ellipsoid | |
| US20230384472A1 (en) | Data Inversion to Reduce Motion Effects on Nuclear Magnetic Resonance Relaxation Data | |
| CN117233849A (zh) | 一种基于稳态进动序列的磁共振隧道灾害水快速定位方法 | |
| Jiang et al. | Bayesian Inversion for Surface Magnetic Resonance Tomography Based on Geostatistics | |
| RU125352U1 (ru) | Система пространственной фильтрации для геоэлектроразведки | |
| Warsa et al. | Three-dimensional magnetic resonance sounding tomography | |
| CN111190233A (zh) | 一种基于展宽指数c的预极化场磁共振正反演方法 |
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 |