林寶澤 肖 鋒 王明常
(吉林大學(xué)地球探測(cè)科學(xué)與技術(shù)學(xué)院,吉林長(zhǎng)春 130000)
地球物理的反演問(wèn)題主要包含兩個(gè)方面:一是地質(zhì)體的幾何參數(shù)反演[1,2]; 二是地質(zhì)體的物性參數(shù)反演[3,4]。針對(duì)地質(zhì)體的幾何參數(shù)反演,建模一般分為三個(gè)方案:一是將場(chǎng)源表示為一系列垂直并列僅厚度未知的棱柱體[5-8]; 二是將場(chǎng)源表示為頂點(diǎn)坐標(biāo)未知的多邊形或多面體[9-12]; 三是將包含場(chǎng)源的地下空間剖分成尺寸已知而密度未知的基本矩形單元[13-15]。
徑向反演是一種最早由Silva等[16]提出的場(chǎng)源幾何參數(shù)反演方法; 賈真[17]研究了基于二維模型的重磁梯度分量徑向反演算法; Vanderlei等[18,19]將徑向反演方法擴(kuò)展至重力異常的三維反演以及重力梯度張量的三維聯(lián)合反演。
建模對(duì)反演來(lái)說(shuō)至關(guān)重要,模型過(guò)于復(fù)雜會(huì)導(dǎo)致解的不穩(wěn)定性,可以通過(guò)Tikhonov正則化方法引入約束條件解決這一問(wèn)題。徑向反演的優(yōu)點(diǎn)在于將多邊形頂點(diǎn)位置用極坐標(biāo)表示,反演參數(shù)(即多邊形各頂點(diǎn)對(duì)應(yīng)的半徑)具有同一量綱且反演參數(shù)相對(duì)于直角坐標(biāo)系減少一半。利用Tikhonov正則化引入相關(guān)約束條件(場(chǎng)源幾何形態(tài)等先驗(yàn)信息)時(shí)能取得較好的效果。
徑向反演方法雖然已經(jīng)發(fā)展得較為完善,但在國(guó)內(nèi)關(guān)于該方法的研究和討論幾乎還是空白。此外,該方法的研究多見(jiàn)于模型實(shí)驗(yàn),對(duì)于影響反演結(jié)果的正則化參數(shù)選取更是缺乏討論。本文介紹了二維徑向反演方法的基本原理,且在此基礎(chǔ)上將自適應(yīng)正則化因子選取引入該方法,并將該方法應(yīng)用到實(shí)際資料處理,取得了較好的效果。
徑向模型的中心點(diǎn)O(x0,z0)必須設(shè)定在場(chǎng)源內(nèi)部,并給定徑向多邊形的頂點(diǎn)數(shù)M,將圓周平均分成M份,此時(shí)在直角坐標(biāo)系下,多邊形第k個(gè)頂點(diǎn)的坐標(biāo)(xk,zk)可以表示為
(1)
式中:rk為第k個(gè)頂點(diǎn)對(duì)應(yīng)的半徑;θk為第k個(gè)頂點(diǎn)對(duì)應(yīng)的角度(弧度,沿x軸正方向順時(shí)針旋轉(zhuǎn)為正)。模型及參數(shù)如圖1所示。
圖1 徑向模型示意圖
從圖1不難推斷,當(dāng)頂點(diǎn)數(shù)M足夠大時(shí),徑向模型能取得很好的近似效果。但是從式(1)來(lái)看,應(yīng)用徑向模型時(shí)存在以下限制:一是包含場(chǎng)源的區(qū)域必須是單連通域;二是從模型中心點(diǎn)出發(fā)的射線與場(chǎng)源輪廓線有且僅有一個(gè)交點(diǎn)。
反演過(guò)程中均勻多邊形截面二維體的重力異常正演采用文獻(xiàn)[20]給出的公式
(2)
式中:G為萬(wàn)有引力常數(shù); Δρ為密度差;Rk、Rk+1分別為測(cè)點(diǎn)到多邊形第k和k+1個(gè)頂點(diǎn)的距離;αk、αk+1分別為測(cè)點(diǎn)與第k和k+1個(gè)頂點(diǎn)連線與水平方向的夾角;φk為多邊形第k條邊與水平方向的夾角,如圖2所示。
圖2 多邊形截面二度體正演模型示意型圖[20]
設(shè)重力異常實(shí)測(cè)數(shù)據(jù)構(gòu)成的N×1維向量為d,徑向多邊形各頂點(diǎn)對(duì)應(yīng)的半徑構(gòu)成的M×1維向量為r,由模型r得到的正演重力異常為N×1維向量g(r)。為了保證反演問(wèn)題的適定性,引入約束條件后,該問(wèn)題轉(zhuǎn)化為求解最優(yōu)化問(wèn)題
minψ=‖d-g(r)‖22+μ(Φ1+Φ2)
(3)
式中
(4)
(5)
(6)
(7)
k=1,2,…,M;j=1,2,…,J
其中:ψ為總目標(biāo)函數(shù);μ為正則化因子;r0為初始模型多邊形截面各頂點(diǎn)對(duì)應(yīng)的半徑構(gòu)成的M×1維向量;Φ1為相對(duì)鄰近性約束,其作用是使模型r的各個(gè)分量彼此趨于一致,但不能單獨(dú)使用;當(dāng)W為單位矩陣時(shí),Φ2為絕對(duì)鄰近性約束,作用是穩(wěn)定解;當(dāng)W為非單位矩陣時(shí),Φ2為會(huì)聚方向約束,使場(chǎng)源物性沿著某一特定方向集中,本文中將場(chǎng)源質(zhì)量會(huì)聚于某一方向,能起到引入與場(chǎng)源幾何形態(tài)有關(guān)的先驗(yàn)信息和穩(wěn)定解的作用;βj為指定的會(huì)聚方向;J表示會(huì)聚方向的總數(shù);ε為較小的正數(shù),與場(chǎng)源最小尺寸和最大尺寸之比有關(guān)。顯然,相對(duì)鄰近性約束與會(huì)聚方向約束是相互矛盾的,絕對(duì)鄰近性約束是會(huì)聚方向約束的特殊形式。除上述約束條件外,還有不等性約束和凸性約束。不等性約束的表達(dá)式為
(8)
不等性約束的作用是限制場(chǎng)源的幾何尺寸和保證頂點(diǎn)z坐標(biāo)為非負(fù)。凸性約束就是要在每次迭代中滿足
(9)
式中ck為中心點(diǎn)O到半徑rk與多邊形第k-1、k+1個(gè)頂點(diǎn)連線交點(diǎn)之間的距離,如圖3所示。
圖3 凸性約束示意圖
由式(2)可以看出,g(r)是關(guān)于r的非線性函數(shù),直接求解式(3)較困難,故采用Gauss-Newton迭代法將該非線性反演問(wèn)題線性化。因此,在r0處對(duì)g(r)進(jìn)行Taylor展開(kāi)并取一級(jí)近似,則有
=g(r0)+JΔr
(10)
式中J為Jacobi矩陣
(11)
令r=r0+Δr,并將式(10)代入式(3),則
ψ=‖[d-g(r0)]-JΔr‖22+μ‖B(r0+Δr)‖22+
μ‖WΔr‖22
=μ(WΔr)TWΔr+μ[B(r0+Δr)]TB(r0+Δr)+
{[d-g(r0)]-JΔr}T{[d-g(r0)]-JΔr}
(12)
對(duì)式(12)兩端求導(dǎo),可得
2μ(BTBΔr+BTBr0+WTWΔr)
(13)
令上式等于0,則迭代修正量Δr的表達(dá)式為
Δr=[JTJ+μ(BTB+WTW)]-1×
{JT[d-g(r0)]-μBTBr0}
(14)
正則化因子是數(shù)據(jù)擬合泛函和模型約束泛函之間的折衷系數(shù),故它的選取直接影響反演結(jié)果。在誤差水平未知的情況下,常用的參數(shù)選取方法有GCV準(zhǔn)則和L曲線準(zhǔn)則。但是,對(duì)于非線性問(wèn)題的迭代解法來(lái)說(shuō),這兩種準(zhǔn)則不太適用。反演時(shí)總是將數(shù)據(jù)擬合置于優(yōu)先的地位,而在迭代過(guò)程中數(shù)據(jù)擬合泛函值越來(lái)越小,故模型約束泛函在總目標(biāo)泛函中的權(quán)重也必須隨之減小,即正則化因子是隨著迭代過(guò)程衰減的。為了適應(yīng)復(fù)雜的反演情況,正則化因子的調(diào)整過(guò)程應(yīng)當(dāng)與反演計(jì)算相聯(lián)系。采用陳小斌[21]提出的自適應(yīng)調(diào)整方案,其表達(dá)式為
(15)
式中:μi為正則化因子經(jīng)驗(yàn)初值;k為迭代次數(shù);φdf、φmc分別為數(shù)據(jù)擬合泛函與模型約束泛函。上述正則化因子的選取方式雖然顯著加快了收斂速度,但在將數(shù)據(jù)擬合置于優(yōu)先地位的情況下,迭代次數(shù)過(guò)多會(huì)導(dǎo)致過(guò)擬合,故本文將擬合標(biāo)準(zhǔn)差不再明顯改變時(shí)對(duì)應(yīng)的迭代次數(shù)作為最佳迭代次數(shù),所以當(dāng)?shù)螖?shù)達(dá)到最佳迭代次數(shù)或擬合標(biāo)準(zhǔn)差達(dá)到閾值時(shí),迭代中止。
采用巖蓋模型[17]分析不同約束條件對(duì)重力異常反演的影響。在有噪反演中,所有模型數(shù)據(jù)采用的噪聲變化范圍是原始異常幅值的±2%。
巖蓋模型大致呈菌狀穹窿狀,傘蓋部分沿剖面方向?qū)捈s1km,傘柄部分與剖面方向大致成45°向下延伸。觀測(cè)剖面垂直于模型走向(走向垂直于紙面),其中心位于傘蓋中心正上方,沿剖面方向向兩側(cè)各延伸1000m,總長(zhǎng)度為2000m,點(diǎn)距為20m,密度差為0.5g/cm3,徑向模型參數(shù)個(gè)數(shù)為100,初始正則化因子為0.1,會(huì)聚方向由虛線表示,與剖面方向分別成0°、45°、180°,會(huì)聚因子ε=0.167。圖4~圖9為巖蓋模型的反演結(jié)果。
對(duì)比圖4與圖5、圖6與圖7、圖8與圖9可見(jiàn),隨機(jī)噪聲對(duì)反演結(jié)果的影響不大。從圖4~圖7可以看出,絕對(duì)鄰近約束條件下的反演結(jié)果能反映模型上邊界的大致范圍,但是整體上反映的上邊界偏深,對(duì)下邊界特征則完全沒(méi)有反映。對(duì)比圖4與圖6、圖5與7可見(jiàn),絕對(duì)和相對(duì)鄰近聯(lián)合約束下得到的反演結(jié)果比絕對(duì)鄰近約束下得到的結(jié)果更光滑,但是整體形態(tài)并沒(méi)有明顯變化。從圖8與圖9可以看出,會(huì)聚約束條件下的反演結(jié)果較為準(zhǔn)確地反映了模型的真實(shí)形態(tài),準(zhǔn)確的先驗(yàn)信息有助于得到更好的反演結(jié)果。
圖4 絕對(duì)鄰近約束下無(wú)噪反演結(jié)果
圖5 絕對(duì)鄰近約束下有噪反演結(jié)果
圖6 絕對(duì)鄰近約束和相對(duì)鄰近約束下無(wú)噪反演結(jié)果
圖7 絕對(duì)鄰近約束和相對(duì)鄰近約束下有噪反演結(jié)果
圖8 會(huì)聚約束下無(wú)噪反演結(jié)果
圖9 會(huì)聚約束下有噪反演結(jié)果
以上模型實(shí)驗(yàn)表明,在會(huì)聚方向約束條件下,徑向反演方法效果最好;絕對(duì)鄰近約束條件下,反演結(jié)果能大致反映模型的上邊界,而下邊界總是趨于弧狀;相對(duì)鄰近約束能讓絕對(duì)鄰近約束條件下得到的反演結(jié)果更加光滑;凸性約束在控制反演結(jié)果的凹凸性上能起到一定的效果。
上文已經(jīng)提到自適應(yīng)正則化方法雖然在一定程度上提高了數(shù)據(jù)擬合度,但是可能會(huì)造成過(guò)擬合。由于正則化因子伴隨著迭代修正不斷改變,但不是一味衰減而是伴隨著振蕩,這也就導(dǎo)致了擬合誤差在迭代到一定次數(shù)后也會(huì)發(fā)生振蕩。這種振蕩可能達(dá)到多個(gè)數(shù)量級(jí),這也就導(dǎo)致了反演結(jié)果出現(xiàn)很大的變化,這種變化的好壞是未知的,所以需要確定最優(yōu)迭代次數(shù)。下面的例子僅僅是反演實(shí)驗(yàn)中得到的一個(gè)特例。
圖10 重力異常擬合標(biāo)準(zhǔn)差隨迭代次數(shù)變化
圖11 巖蓋模型迭代100次反演結(jié)果
圖10和圖11是絕對(duì)和相對(duì)鄰近聯(lián)合約束下得到的誤差收斂曲線及無(wú)噪數(shù)據(jù)誤差收斂曲線和反演結(jié)果。在25次迭代之后,擬合誤差出現(xiàn)了劇烈振蕩。對(duì)于迭代100次得到的結(jié)果,已經(jīng)接近于會(huì)聚約束下才能得到的結(jié)果。但這僅僅是一個(gè)特例,筆者認(rèn)為迭代中止原則還是遵循上文給出的最佳迭代次數(shù)原則為宜。
實(shí)際資料選取的是在新墨西哥州里奧格蘭德峽谷大橋(圖12)上測(cè)量得到的重力數(shù)據(jù)[22]。里奧格蘭德峽谷大橋長(zhǎng)約400m,高約175m。峽谷周邊地層大致可分為三種,分別為玄武巖地層,沖積沉積層,夾雜極薄湖成沉積層,其中玄武巖密度約為2.70g/cm3、沉積巖密度約為2.17g/cm3,具體情況如圖12所示。
圖12 奧格蘭德峽谷大橋截面圖
假定峽谷的周邊地層的85%為玄武巖、 15%為沖積沉積物,則峽谷與圍巖及空氣的密度差為-2.62g/cm3。觀測(cè)剖面長(zhǎng)度為800m,點(diǎn)距為20m,徑向模型參數(shù)個(gè)數(shù)為40,初始正則化因子為0.1,初始模型半徑為25m,會(huì)聚因子ε=0.32。反演結(jié)果如圖13所示。
從圖13a中的異常擬合圖可見(jiàn),反演得到的模型正演異常很好地?cái)M合了實(shí)測(cè)數(shù)據(jù)。從反演的場(chǎng)源形態(tài)看,反演結(jié)果較好地反映了場(chǎng)源的深度范圍,頂部和左側(cè)較好地反映了場(chǎng)源的邊界;右側(cè)底部與實(shí)際差異較大, 可能是由于實(shí)測(cè)異常并不是嚴(yán)格對(duì)稱的,從而導(dǎo)致反演結(jié)果在底部整體向左偏移。借鑒界面反演的相關(guān)做法,計(jì)算反演多邊形的半徑各頂點(diǎn)標(biāo)準(zhǔn)差為17.1186m,說(shuō)明反演結(jié)果較可靠。
圖13 會(huì)聚及凸性約束下反演結(jié)果
徑向反演只能應(yīng)用于單連通域,且初始模型中心必須位于場(chǎng)源內(nèi)部。對(duì)于不太復(fù)雜的單個(gè)場(chǎng)源,在利用歐拉反褶積及相關(guān)成像等方法得到場(chǎng)源中心近似位置后,利用徑向反演可以圈定場(chǎng)源的大致形態(tài);如果能進(jìn)一步獲得關(guān)于場(chǎng)源分布的半定量信息,利用會(huì)聚約束能得到較好的反演結(jié)果。
正則化因子的自適應(yīng)調(diào)整能提高數(shù)據(jù)擬合精度和收斂速度,但是由于實(shí)際數(shù)據(jù)的復(fù)雜性和反演的多解性,片面追求數(shù)據(jù)擬合效果可能會(huì)造成過(guò)擬合,利用最佳迭代次數(shù)選擇原則雖然能解決這一問(wèn)題,但不可避免地引入人為因素。
此外,由于本文采用的是Gauss-Newton迭代法,故模型初值的選擇對(duì)反演結(jié)果有一定的影響。本方法的初始模型一般采用給定中心埋深的無(wú)限長(zhǎng)水平圓柱體。在實(shí)際數(shù)據(jù)反演中,地質(zhì)體中心埋深往往是利用其他方法(如歐拉反褶積、特征點(diǎn)法等)得到的估計(jì)值,估計(jì)值越接近真實(shí)值,最終反演結(jié)果精度也越高。采用更加合理、精度更高的計(jì)算中心埋深方法與本方法結(jié)合將是后續(xù)研究的方向。當(dāng)然,如果有更多的地球物理資料并建立較無(wú)限長(zhǎng)水平圓柱體更加復(fù)雜的初始模型,反演的精度會(huì)進(jìn)一步得到提高。
[1]谷文彬,陳清禮,王余泉等.饒陽(yáng)凹陷虎8北潛山重力三維松約束反演.石油地球物理勘探,2016,51(6):1219-1226.
Gu Wenbin,Chen Qingli,Wang Yuquan et al.Part-constrained 3D gravity inversion for the Hubabei buried hill in Raoyang Sag.OGP,2016,51(6):1219-1226.
[2]李婧,崔永謙,宋景明等.重力—地震聯(lián)合建模正演技術(shù)在SH地區(qū)潛山勘探中的應(yīng)用.石油地球物理勘探,2016,51(增刊1):152-160.
Li Jing,Cui Yongqian,Song Jingming et al.Gravity forward modeling with model built based on drilling and seismic data:an example of buried hill exploration in Area SH.OGP,2016,51(S1):152-160.
[3]耿美霞,楊慶節(jié).應(yīng)用RBF神經(jīng)網(wǎng)絡(luò)反演二維重力密度分布.石油地球物理勘探,2013,48(4):651-657.
Geng Meixia,Yang Qingjie.2-D density inversion with the RBF neural network method.OGP,2013,48(4):651-657.
[4]王浩然,陳超,杜勁松.重力梯度張量數(shù)據(jù)的三維反演方法與應(yīng)用.石油地球物理勘探,2013,48(3):474-481.
Wang Haoran,Chen Chao,Du Jinsong.3-D inversion of gravity gradient tensor data and its applications.OGP,2013,48(3):474-481.
[5]Cordell L and Henderson R G.Iterative three-dimensional solution of gravity anomaly data using a digital computer.Geophysics,1968,33(4):596-601.
[6]Dyrelius D and Vogel A.Improvement of convergence in iterative gravity interpretation.Geophysical Journal of Royal Astronomical Society,1972,27(2):195-205.
[7]Pedersen L B.Interpretation of potential field data - A generalized inverse approach.Geophysical Prospecting,1977,25(2):199-230.
[8]Barbosa V C F,Silva J B C and Medeiros W E.Stable inversion of gravity anomalies of sedimentary basins with non-smooth basement reliefs and arbitrary density contrast variations.Geophysics,1999,64(3):754-764.
[9]Corbato CE.A least-squares procedure for gravity interpretation.Geophysics,1965,30(2):228-233.
[10]Al-Chalabi M.Interpretation of gravity anomalies by nonlinear optimization.Geophysical Prospecting,1972,20(1):1-16.
[11]Moraes R A V and Hansen R O.Constrained inver-sion of gravity fields for complex 3D structures.Geophysics,2001,66(2):501-510.
[12]Wildman R A and Gazonas G A.Gravitational and magnetic anomaly inversion using a tree-based geometry representation.Geophysics,2009,74(3):I23-I35.
[13]Li Y and Oldenburg D W.3-D inversion of gravity data.Geophysics,1998,63(1):109-119.
[14]Portniaguine O and Zhdanov M S.Focusing geophysical inversion images.Geophysics,1999,64(3):874-887.
[15]Silva J B C and Barbosa V C F.Interactive gravity inversion.Geophysics,2006,71(1):1-9.
[16]Silva J B C and Barbosa V C F.Generalized radial inversion of 2D potential field data.Geophysics,2004,69(6):1405-1413.
[17]賈真.均勻二度體位場(chǎng)正演與徑向反演方法[學(xué)位論文].吉林長(zhǎng)春:吉林大學(xué),2009.
Jia Zhen.Forward and Radial Inverse Modeling of Potential Fields Produced by a 2D Homogeneous Source[D].Jilin University,Changchun,Jilin,2009.
[18]Vanderlei C,Oliveira J,Valeria C F et al.Source geo-metry estimation using the mass excess criterion to constrain 3-D radial inversion of gravity data.Geophysical Journal International,2011,187(2):754-772.
[19]Vanderlei C,Oliveira J,Valeria C F et al.3-D radial gravity gradient inversion.Geophysical Journal International,2013,195(2):883-902.
[20]賈真,孟令順.均勻多邊形截面二度體重力異常計(jì)算公式的改進(jìn).地球物理學(xué)進(jìn)展,2009,24(2):462-467.
Jia Zhen,Meng Lingshun.Some improvements on the formula for calculating the gravity anomaly due to a
2D homogeneous polygonal source.Progress in Geophysics,2009,24(2):462-467.
[21]陳小斌.大地電磁正反演新算法研究及資料處理與解釋的可視化集成系統(tǒng)開(kāi)發(fā)[學(xué)位論文].北京:中國(guó)地
震局地質(zhì)研究所,2003.
Chen Xiaobin.New Forward and Inversion Algorithms and a Visual Integrated System for MT data [D].Institute of Geology,China Earthquake Administration,Beijing,2003.
[22]Titus W J,Titus S J and Davis J R.A Bayesian approach to modeling 2D gravity data using polygons.Geophysics,2017,82(1):G1-G21.