基于多尺度傅里叶神经算子的三维重力正演方法与系统

摘要: 本技术属于地球物理勘探,具体为一种基于多尺度傅里叶神经算子的三维重力正演方法与系统。背景技术:1、在地球物理勘查中,三维重力正演是一项基础且至关重要的技术,旨在...
基于多尺度傅里叶神经算子的三维重力正演方法与系统

本技术属于地球物理勘探,具体为一种基于多尺度傅里叶神经算子的三维重力正演方法与系统。

背景技术:

1、在地球物理勘查中,三维重力正演是一项基础且至关重要的技术,旨在根据地下已知或假设的三维密度分布模型,计算地表或空间指定位置的重力异常响应。该技术被广泛应用于矿产勘探、油气盆地分析以及区域地质构造解释等领域。传统的三维重力正演求解器主要采用基于空间离散化的数值计算方法,如有限差分法、有限元法或直方柱积分法等,通过将三维密度模型划分为规则网格单元,逐个计算重力响应并累加得到总异常场。因此,传统求解器在分辨率上存在权衡:粗网格计算快但精度低;细网格精度高但计算极其缓慢。随着高精度航空重力梯度的发展,地质模型往往需要极其精细的离散化,这导致传统数值求解器计算耗时巨大,甚至难以满足实际需求。

2、近年来,数据驱动的机器学习方法为解决这一问题提供了新思路。然而,经典的神经网络在有限维空间之间进行映射,因此只能学习与特定离散化网格绑定的解。此类方法本质上是依赖于网格的,需要针对不同的分辨率和离散化进行修改和调整,且无法在域内的新的点中查询解。为了克服网格依赖性,傅里叶神经算子(fourier neural operator,fno)被提出。神经算子直接学习从任何函数参数依赖到解的映射,并且通过在傅里叶空间中直接参数化积分核,实现了表达能力强且高效的架构。fno具有将解在不同网格之间迁移的能力,并且网络只需训练一次。然而,现有的标准fno直接应用于三维重力正演时存在以下缺陷:

3、其一,重力场是由地下异常体产生的叠加场,包含了反映区域深大构造的低频背景场以及反映浅部局部矿体的高频异常场。标准fno通常采用单一固定的截断波数,难以同时精准兼顾大尺度的低频信息与小尺度的高频急剧变化信息。

4、其二,标准的傅里叶方法通常仅适用于周期性边界条件。虽然标准fno通过添加一个线性变换的偏置项来跟踪非周期性边界,但重力场具有严格的随距离平方反比衰减的物理特性,单纯依靠网络偏置项难以完全消除fft在非周期边界处产生的严重环绕效应,导致正演边界精度低。

技术实现思路

1、本技术实施例提供一种基于改进多尺度傅里叶神经算子的三维重力正演方法与系统,解决现有技术中三维重力正演计算效率低下、边界伪影严重以及标准傅里叶神经算子难以处理多尺度重力异常的问题。

2、本技术第一方面提供一种基于多尺度傅里叶神经算子的三维重力正演方法,包括:

3、获取地下三维密度分布模型数据;

4、对所述地下三维密度分布模型数据进行基于重力场物理衰减特性的自适应边界延拓,得到延拓密度特征;

5、采用编码器对所述延拓密度特征进行局部线性变换,提升至高维潜在空间,形成高维隐式特征图;

6、将所述高维隐式特征图输入至包含多层串联的改进多尺度傅里叶层的算子网络进行特征迭代更新,得到最终高维特征图;

7、采用解码器对最终高维特征图进行降维投影,并截断去除扩展的边界延拓区域,恢复目标空间维度,得到三维重力异常正演响应。

8、进一步地,对所述地下三维密度分布模型数据进行基于重力场物理衰减特性的自适应边界延拓,得到延拓密度特征,包括:

9、从计算域的各个边界向外围扩展设定层数的扩展网格;

10、根据牛顿势函数的重力场随距离平方反比衰减规律,对扩展网格中的密度值按照1/r²的比例进行物理衰减赋值,其中为扩展网格至计算域边界的距离;

11、判断扩展网格的密度值是否衰减至预设趋零阈值,若未达到则继续执行扩展与衰减赋值,直至达到所述预设趋零阈值,构造满足快速傅里叶变换周期性假设的延拓密度特征。

12、进一步地,每一层改进多尺度傅里叶层的具体迭代更新过程包括:

13、通过快速傅里叶变换将高维隐式特征图转换至频域空间;

14、在频域空间内,并行使用多个具有不同截断波数的滤波器提取多尺度频域特征,分别提取对应深部大尺度地质体的低频背景场特征、中频构造场特征以及对应浅部小尺度矿体的高频局部异常场特征,并将提取的多尺度频域特征沿通道维度进行拼接;

15、通过频域注意力机制对拼接后的多尺度频域特征进行通道加权,动态生成频域通道注意力权重矩阵,并与拼接后的多尺度频域特征逐点相乘,得到加权频域特征;

16、将所述加权频域特征通过逆快速傅里叶变换映射回实数空间,并与空间域中经过局部线性变换得到的空间域偏置特征进行逐元素相加融合,经非线性激活函数输出至下一层。

17、进一步地,并行使用多个具有不同截断波数的滤波器提取多尺度频域特征,包括:

18、在频域空间内,为输入特征图构建多个并行的频域卷积分支;

19、针对每一频域卷积分支,设定对应的最大截断波数,保留空间频率低于或等于所述最大截断波数的傅里叶模式,并将高于所述最大截断波数的傅里叶模式截断置零;

20、将保留的傅里叶模式与该分支下独立初始化的可学习复数权重张量进行复数乘法运算,实现对应频段的频域特征提取。

21、进一步地,通过频域注意力机制对拼接后的多尺度频域特征进行通道加权,动态生成频域通道注意力权重矩阵,并与拼接后的多尺度频域特征逐点相乘,得到加权频域特征,包括:

22、将拼接后的多尺度频域特征在通道维度上分别进行全局平均池化和全局最大池化,生成通道级描述特征;

23、将通道级描述特征输入至共享的多层感知机中进行降维和升维操作,并通过非线性激活函数生成频域通道注意力权重;

24、将所述频域通道注意力权重与拼接后的多尺度频域特征逐点相乘,以增强关键波数特征并抑制无关高频计算噪声。

25、进一步地,所述空间域偏置特征是空间注意力模块对输入的高维隐式特征图在实数物理空间进行逐点线性变换得到。

26、进一步地,所述方法还包括以下跨网格分辨率计算步骤:

27、在第一网格分辨率下,利用三维密度分布模型样本集及其对应的重力异常响应标签对所述编码器、算子网络及解码器进行训练,获得训练好的网络参数;

28、在实际正演计算阶段,获取第二网格分辨率的地下三维密度分布模型数据,其中,所述第二网格分辨率高于所述第一网格分辨率;

29、保持所述训练好的网络参数不变,将所述第二网格分辨率的地下三维密度分布模型数据输入网络,直接前向传播输出与所述第二网格分辨率相匹配的三维重力异常正演响应。

30、进一步地,所述算子网络通过组合线性积分算子、多尺度频域注意力与非线性激活函数学习非线性的三维重力正演映射;且编码器、算子网络和解码器在输入输出空间采用不同网格离散化时共享同一组网络参数。

31、本技术第二方面提供一种基于多尺度傅里叶神经算子的三维重力正演系统,包括:

32、数据获取模块,用于获取地下三维密度分布模型数据;

33、物理先验延拓模块,用于对所述地下三维密度分布模型数据进行基于重力场物理衰减特性的自适应边界延拓,得到延拓密度特征;

34、空间升维编码模块,用于采用编码器对所述延拓密度特征进行局部线性变换,提升至高维潜在空间,形成高维隐式特征图;

35、多尺度算子迭代模块,用于将所述高维隐式特征图输入至包含多层串联的改进多尺度傅里叶层的算子网络进行特征迭代更新,得到最终高维特征图;

36、截断与解码模块,用于采用解码器对最终高维特征图进行降维投影,并截断去除扩展的边界延拓区域,恢复目标空间维度,得到三维重力异常正演响应。

37、进一步地,所述改进多尺度傅里叶层配置有:

38、用于执行快速傅里叶变换的频域转换单元;

39、用于使用多个不同截断波数的滤波器的频域卷积分支;

40、用于动态生成频域通道注意力权重矩阵进行特征加权,得到加权频域特征的频域注意力单元;

41、用于对加权频域特征执行逆快速傅里叶变换的转换单元;

42、用于将逆快速傅里叶变换后的特征与空间域偏置特征进行相加融合的空频融合单元。

43、本技术与现有技术相比,有益效果在于:

44、本技术能够有效消除复杂三维密度模型的正演边界效应,保留了重力场多尺度的关键细节信息,相较于传统数值偏微分方程求解器或积分算法,计算速度可提高几个数量级,极大地提高了地下资源勘探中的信号正演效率,为贝叶斯反演等需要海量正演调用的下游应用提供了切实可行的快速正演模型。