一种地空瞬变电磁与激发极化联合概率反演方法
本发明涉及地空瞬变电磁数据反演,具体为一种地空瞬变电磁与激发极化联合概率反演方法。
背景技术:
1、激发极化效应(induced polarization,ip)是地下介质在外加电磁场作用下产生电荷积累与释放现象所形成的重要电性响应特征,广泛存在于金属矿体、裂隙含水构造、黏土层及复杂岩土介质中。在地空瞬变电磁勘探过程中,地下介质极化效应会改变晚期瞬变响应的衰减规律,使观测信号表现出非指数衰减、响应拖尾、负响应以及符号反转等复杂特征。极化参数能够反映地下介质的导电特性、储能能力及流体赋存状态。因此,实现电阻率参数与极化率参数的准确获取,对于提高深部资源勘查精度、地下水探测能力以及工程地质灾害识别水平具有重要意义。
2、目前,针对含激发极化效应的地空瞬变电磁数据解释,主要采用基于层状地电模型的确定性反演方法。该类方法首先建立地下层状电性结构模型,并利用cole-cole极化模型或其扩展模型描述地下介质极化特征。随后,通过正演计算获得理论瞬变响应,并依据理论响应与实测响应之间的误差构建目标函数。最后,采用最小二乘法、occam反演、变尺度模拟退火算法(vfsa)、遗传算法、粒子群优化算法等迭代优化策略不断更新模型参数,最终求取地下电阻率与极化率的分布。上述方法已在矿产勘查、水文地质调查及工程勘探等领域得到广泛应用。
3、地空瞬变电磁激发极化响应由电磁扩散过程与极化弛豫过程共同形成,电阻率影响电磁场扩散速度和整体衰减特征,极化率主要影响晚期响应幅度、拖尾及符号反转。由于两类参数对观测响应的作用存在补偿关系,不同的电阻率—极化率组合可能产生相近响应,导致反演结果具有较强多解性。
4、现有确定性反演及单向神经网络通常将观测响应直接映射为唯一地下参数模型,缺乏响应幅值、响应符号与电阻率—极化率耦合关系的联合约束。特别是当预处理仅保留响应绝对幅值时,晚期负响应和符号反转信息容易丢失,使不同极化状态的响应特征进一步混叠。同时,电阻率跨数量级变化,而极化率受有限区间约束,若直接联合建模,容易出现一种参数对另一种参数误差的补偿,加剧参数等效性。
5、针对上述问题,本发明提出一种地空瞬变电磁与激发极化联合概率反演方法。
技术实现思路
1、本部分的目的在于概述本发明的实施方式的一些方面以及简要介绍一些较佳实施方式。在本部分以及本技术的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊,而这种简化或省略不能用于限制本发明的范围。
2、为解决上述技术问题,根据本发明的一个方面,本发明提供了如下技术方案:
3、一种地空瞬变电磁与激发极化联合概率反演方法,包括以下步骤:
4、s1:构建保留响应幅值与符号信息的条件特征集:构建的观测特征向量,引入空间邻域特征构建空间增强观测特征向量;将区域地质先验、瞬变电磁统计先验以及结构约束先验进行拼接,形成14维的混合先验约束向量;
5、s2:构建条件编码网络:采用直接融合式全连接编码结构,将空间增强观测特征向量与混合先验约束向量进行拼接,形成条件编码输入向量;
6、s3:构建面向多解性的异构参数条件可逆概率映射模型:先对电阻率做对数变换、极化率做 logit 映射,拼接后标准化得到地下模型输入向量;搭建含可逆耦合单元的条件可逆概率映射网络;
7、s4:构建中心估计—后验分布协同约束训练机制:构建负对数似然损失函数学习完整的条件后验分布,增设参数重构、物理尺度一致性、潜空间方差三类约束,加权融合得到联合概率训练目标;
8、s5:生成多组观测等效解并量化多解性:训练完成后,利用条件可逆神经网络逆向映射生成标准化地下模型样本,并计算后验均值和后验标准差;构建参数置信区间评价机制和异常体识别机制,评价后验采样结果的不确定性量化能力。
9、作为本发明所述的一种地空瞬变电磁与激发极化联合概率反演方法的一种优选方案,其中,所述s1中观测特征向量的构建方法为,对于第个测点,其地下层状电性参数模型表示为:
10、
11、其中:表示第个测点对应的第1到第层地层的电阻率参数;表示第个测点对应的第1到第层地层的极化率参数;表示地下层数;上标表示矩阵或向量的转置运算,用于将括号内的参数序列表示为列向量;
12、对于第个测点在第个时间道,分别构造对数幅值特征和响应符号特征:
13、
14、
15、其中:来自接收系统记录的第个测点在第个时间道的原始瞬变电磁响应;为避免零值取对数而设置的正数;为符号判定阈值;
16、将全部时间道的幅值特征、符号特征及飞行高度组成第个观测点的观测特征向量:
17、
18、其中:表示第个时间道,,表示时间道总数;表示第个测点对应的飞行高度信息;当时间道总数为时,第个测点的观测特征向量满足,包含维响应幅值特征、维响应符号特征组成及1维飞行高度特征。
19、作为本发明所述的一种地空瞬变电磁与激发极化联合概率反演方法的一种优选方案,其中,所述空间增强观测特征向量的构建方法为,引入空间邻域特征,以第个测点为中心,选取其左右相邻测点构建空间增强观测特征向量:
20、
21、其中:表示第个测点的空间增强观测特征向量,、、分别表示左侧相邻测点、当前测点和右侧相邻测点的观测特征;对于测线端点处缺少相邻测点的情况,采用边界复制方式进行补齐,即首个测点的左邻域采用首个测点自身补齐,末个测点的右邻域采用末个测点自身补齐;当时间道总数为时,由三个测点的观测特征拼接得到,即为;
22、从区域地质解释成果及测线统计信息中提取先验参数向量:
23、
24、其中:为测线平均高程;为高程起伏幅度;为区域构造倾角;为断裂数量指标;为区域层状结构复杂度指标;为岩性编码指标。
25、作为本发明所述的一种地空瞬变电磁与激发极化联合概率反演方法的一种优选方案,其中,所述14维的混合先验约束向量的形成方法为,构建第个测点由响应幅值特征向量:
26、
27、基于响应幅值特征向量提取瞬变电磁统计先验向量:
28、
29、其中:表示第个测点的全时间道响应幅值特征的平均值;表示第个测点的全时间道响应幅值特征的标准差;表示第个测点的幅值特征的最大值;表示第个测点的晚期时间道响应幅值特征的平均值;
30、根据研究区已有地质认识构建区域结构约束先验向量:
31、
32、其中:表示层状结构约束指标;表示异常体约束指标;表示目标层埋深约束指标;表示深部结构约束指标;
33、最终将区域地质先验、瞬变电磁统计先验以及结构约束先验进行拼接,形成第个测点对应14维的混合先验约束向量:
34、。
35、作为本发明所述的一种地空瞬变电磁与激发极化联合概率反演方法的一种优选方案,其中,所述s2的具体方法为:
36、
37、其中:表示空间增强观测特征向量,表示混合先验约束向量,表示第个测点输入条件编码网络的融合特征向量;当且时,;
38、条件编码网络采用三层全连接映射结构,第一层条件编码为:
39、
40、第二层条件编码为:
41、
42、第三层输出条件特征向量:
43、
44、其中:和分别表示条件编码网络第一层和第二层的隐含特征;表示第个测点的条件特征向量,设条件特征向量维数为,则;、、分别表示条件编码网络各层权重矩阵;、、分别表示条件编码网络各层偏置向量;表示线性整流激活函数,其定义为:
45、
46、其中:表示激活函数输入变量。
47、作为本发明所述的一种地空瞬变电磁与激发极化联合概率反演方法的一种优选方案,其中,所述s3中地下模型输入向量的得到方法为,首先对第个测点第层地层的电阻率参数进行对数变换:
48、
49、其中:表示第个测点第层地层的电阻率参数的对数变换结果;
50、对于第个测点第层地层的极化率参数,采用logit映射:
51、
52、其中:表示第个测点第层地层的极化率参数的logit映射结果;
53、将对数电阻率参数与logit极化率参数拼接,首先得到第个测点的地下参数向量:
54、
55、其中:设地下层数为,则;将其进行标准化处理,得到条件可逆神经网络的地下模型输入向量:
56、
57、其中,表示训练数据集中变换后地下参数向量的均值向量;表示训练数据集中变换后地下参数向量的标准差向量。
58、作为本发明所述的一种地空瞬变电磁与激发极化联合概率反演方法的一种优选方案,其中,所述条件可逆概率映射网络的搭建方法为,构建条件可逆概率映射函数:
59、
60、其中:表示第个测点对应的潜变量空间,并服从标准高斯分布;表示由网络参数控制的条件可逆神经网络正向映射函数;表示第个测点的经异构参数变换的标准化地下模型向量;表示第个测点的条件特征向量;
61、采用可逆耦合变换结构构建映射网络:对于任意一层可逆耦合单元,将标准化地下模型向量划分为两个参数子空间:
62、
63、其中:和分别表示第个测点地下模型向量划分得到的第一参数子空间和第二参数子空间;利用第一参数子空间和条件特征向量共同预测第二参数子空间的尺度变换和偏移变换:
64、
65、
66、
67、其中,表示尺度子网络输出的原始尺度特征;表示经过有界尺度控制后的尺度变换向量;表示偏移变换向量;表示逐元素约束函数;表示尺度缩放系数;
68、可逆仿射耦合映射表示为:
69、
70、
71、对应的逆向映射为:
72、
73、
74、通过交替变换两个参数子空间,可逆耦合单元在不丢失地下参数信息的前提下学习电阻率与极化率之间的耦合关系,并将难以区分的参数组合展开到潜变量空间的不同位置,为后续生成多组等效解提供可逆通道;
75、采用多个可逆耦合变换单元串联构建条件概率映射网络,在给定条件特征向量的情况下,地下参数空间到潜变量空间的正向总体映射函数表示为:
76、
77、相应地,潜变量空间到地下参数空间的逆向总体映射函数表示为:
78、
79、其中,表示第个可逆耦合变换单元的正向映射函数;表示第个可逆耦合变换单元对应的逆向映射函数,且;,表示可逆耦合变换单元总数。
80、作为本发明所述的一种地空瞬变电磁与激发极化联合概率反演方法的一种优选方案,其中,所述s4的具体方法为,根据正态化流理论,潜变量空间服从标准高斯分布,即为,设小批量训练样本数量为,表示小批量训练样本编号(),构建负对数似然损失函数:
81、
82、其中,表示第个小批量训练样本对应的雅可比矩阵;
83、引入零潜变量中心重构约束,构建全零潜变量向量:
84、
85、利用逆映射获得地下模型预测结果:
86、
87、其中,表示第个小批量训练样本对应的标准化地下模型预测向量;表示第个小批量训练样本对应的条件特征向量;
88、随后计算预测结果与真实模型之间的均方误差:
89、
90、其中:表示参数重构损失;表示第个小批量训练样本的预测标准化地下模型向量;表示第个小批量训练样本的真实标准化地下模型向量;
91、构建物理尺度一致性损失函数:
92、
93、其中:表示参数物理尺度映射函数;
94、构建潜空间方差约束:
95、
96、其中:表示潜变量样本方差;
97、将上述各项约束进行统一融合,建立联合概率训练目标:
98、
99、其中:表示参数重建权重;表示物理尺度一致性权重;表示潜空间方差约束权重;
100、训练过程中采用自适应梯度优化策略对网络参数进行迭代更新,并结合梯度范数限制机制控制参数更新幅度:
101、
102、其中:表示联合概率训练目标关于网络参数的梯度;表示预设最大梯度范数阈值。
103、作为本发明所述的一种地空瞬变电磁与激发极化联合概率反演方法的一种优选方案,其中,所述s5中,以待反演第个测点的空间增强观测特征向量和混合先验约束向量为输入,通过条件编码网络获得对应条件特征向量;设后验随机采样总次数为,表示第次后验随机采样,;从标准高斯潜空间中进行第次后验采样得到潜变量,利用条件可逆神经网络逆向映射生成标准化地下模型样本:
104、
105、其中,表示第个测点在第次后验随机采样时得到的标准化地下模型向量;根据前述标准化关系,先反标准化得到变换域参数向量:
106、
107、其中,表示第个测点在第次后验随机采样时对其反标准化后得到的变换域参数向量;和分别表示训练数据中变换域参数向量的标准差向量和均值向量;表示向量对应分量相乘;随后再对电阻率和极化率分别进行逆变换,对于第层地层():
108、
109、
110、因此,标准化地下模型转化为地下层状电性参数模型:
111、
112、其中:表示第个测点在第次后验随机采样时得到的地下层状电性参数样本,其包含各层地层的电阻率参数和极化率参数;
113、对于第个测点第层地层,依据后验样本集合分别计算电阻率参数后验均值和极化率参数后验均值:
114、
115、
116、其中:表示后验随机采样总次数;表示第个测点在第次后验采样时第层地层的电阻率样本;表示第个测点在第次后验采样时第层地层的极化率样本;
117、对于第个测点第层地层,分别计算电阻率参数后验标准差和极化率参数后验标准差:
118、
119、
120、其中:表示第个测点第层地层电阻率参数的后验标准差;表示第个测点第层地层极化率参数的后验标准差。
121、作为本发明所述的一种地空瞬变电磁与激发极化联合概率反演方法的一种优选方案,其中,所述s5中,构建参数置信区间评价机制,设置信水平,其中,对于第个测点第层地层的电阻率参数和极化率参数,其置信区间分别为:
122、
123、
124、其中,表示后验样本对应分位数;采用构建95%置信区间,此时上下分位数分别为2.5%和97.5%;
125、建基于后验概率的异常体识别机制,设电阻率异常阈值为,极化率异常阈值为,则第个测点第层地层电阻率和极化率超过阈值的概率定义分别为:
126、
127、
128、其中,表示事件发生概率;表示指示函数,当括号内条件成立时取值为1,否则取值为0;
129、为评价后验采样结果的不确定性量化能力,分别计算电阻率参数和极化率参数95%置信区间覆盖率;设验证样本总数为,表示第个验证样本,,则电阻率参数和极化率参数95%置信区间覆盖率分别为:
130、
131、
132、其中:表示第个验证样本第层地层的真实电阻率参数;表示第个验证样本第层地层的真实极化率参数;和分别表示对应参数的95%置信区间。
133、与现有技术相比,本发明具有的有益效果是:本发明通过响应幅值—符号分离表达、异构参数统一变换、条件可逆概率映射及中心估计—参数分布协同训练,在固定观测条件下生成多组可行地下模型,并利用中心估计、后验标准差和后验可信区间显式表征电阻率—极化率联合反演的多解性;能够在保留负响应和符号反转信息的同时输出代表性中心模型、多组可行地下模型及其后验可信范围,从而揭示不同层位的多解性的强弱,并降低仅依据单一反演结果进行地质解释和工程决策的误判风险。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com