期刊文献+
共找到5篇文章
< 1 >
每页显示 20 50 100
阵列侧向电法测井的快速反演 被引量:7
1
作者 顿月芹 袁建生 《清华大学学报(自然科学版)》 EI CAS CSCD 北大核心 2009年第11期1871-1875,共5页
在介绍阵列侧向电极系工作原理及快速正演计算的基础上,通过计算分析了Marquardt法线性反演过于依赖初值及迭代反演速度慢的不足。为避免迭代反演的缺陷,研究了采用BP神经网络进行测井快速反演的方法。通过对测井响应进行井眼校正等预处... 在介绍阵列侧向电极系工作原理及快速正演计算的基础上,通过计算分析了Marquardt法线性反演过于依赖初值及迭代反演速度慢的不足。为避免迭代反演的缺陷,研究了采用BP神经网络进行测井快速反演的方法。通过对测井响应进行井眼校正等预处理,可有效减少网络训练所需样本数,提高反演效率。通过对比不同网络结构的计算精度与计算效率,选取了22个隐含层节点的3层网络,反演结果与真值吻合较好。该反演方法不需给定初值,不需迭代计算,反演100组参数用一般计算机仅耗时3s。 展开更多
关键词 快速反演 阵列侧向电法测井 Marquardt法 BP神经网络
原文传递
基于监督下降法的短偏移距瞬变电磁快速反演研究
2
作者 饶丽婷 武欣 +2 位作者 郭睿 党博 党瑞荣 《物探与化探》 CAS 2024年第5期1199-1207,共9页
短偏移距瞬变电磁法(简称SOTEM)通常采用传统式基于物理建模的反演方法,反演效率较低,不易灵活融入先验信息,而基于数据驱动的反演方法能够提高反演精度与效率,泛化能力却难以保证。为了提高SOTEM数据反演的精度和效率,并兼顾可靠的泛... 短偏移距瞬变电磁法(简称SOTEM)通常采用传统式基于物理建模的反演方法,反演效率较低,不易灵活融入先验信息,而基于数据驱动的反演方法能够提高反演精度与效率,泛化能力却难以保证。为了提高SOTEM数据反演的精度和效率,并兼顾可靠的泛化能力,本文探索了一种融合物理建模与数据驱动的反演方法,将机器学习中监督下降法应用于SOTEM数据反演中。基于监督下降法的SOTEM数据反演分为线下训练和线上预测,线下训练时通过合理的训练集灵活融入先验信息,获得隐含模型特征的平均下降方向,线上预测时借助物理建模函数和训练所得下降方向,在传统反演框架下完成模型参数重建。文中利用层状大地模型构建训练集和测试集,实现了基于监督下降法的SOTEM数据一维反演,并与传统Occam算法进行了对比。结果表明:基于监督下降法的SOTEM反演效率大幅提升,反演精度较高,具有良好的泛化能力。 展开更多
关键词 瞬变电磁法 SOTEM 快速反演 监督下降法 机器学习
下载PDF
一种重力数据快速聚焦反演方法 被引量:3
3
作者 李芳 王林飞 何辉 《地球物理学进展》 CSCD 北大核心 2021年第6期2486-2495,共10页
本文研究提出一套重力数据快速聚焦反演方法,以用于高效清晰刻画地下目标地质体.所提出反演方法利用随机广义奇异值分解算法来求解矩阵的近似广义奇异值分解,能够有效地降低原始反演问题的维度.与常规奇异值分解算法相比,能够在占用较... 本文研究提出一套重力数据快速聚焦反演方法,以用于高效清晰刻画地下目标地质体.所提出反演方法利用随机广义奇异值分解算法来求解矩阵的近似广义奇异值分解,能够有效地降低原始反演问题的维度.与常规奇异值分解算法相比,能够在占用较少的内存的情况下快速得出反演结果.同时在反演目标函数中融入聚焦约束矩阵以实现反演结果的聚焦性,利用广义交叉验证方法进行正则化参数选取.文章给出了所提出的反演方法的详细计算步骤,并通过两个理论模型试验和一组实测数据的反演试算佐证了所提出快速聚焦反演方法的有效性与高效性. 展开更多
关键词 重力数据 快速反演 随机广义奇异值分解 聚焦反演
原文传递
基于程函方程快速行进法的地震走时层析成像法 被引量:3
4
作者 李天扬 李桐林 孟相禹 《世界地质》 CAS 2021年第3期664-670,679,共8页
地震走时层析成像法是一种利用不同地震台站连续接收到的地震事件,利用地震走时断层扫描反演地球内部速度分布的方法,主要分为正演(射线追踪)和反演两个环节。首先正演利用基于程函方程的快速行进法,实现了对入射波走时场和反射波走时... 地震走时层析成像法是一种利用不同地震台站连续接收到的地震事件,利用地震走时断层扫描反演地球内部速度分布的方法,主要分为正演(射线追踪)和反演两个环节。首先正演利用基于程函方程的快速行进法,实现了对入射波走时场和反射波走时场的计算,接着进行了射线追踪与走时灵敏度矩阵的计算,最后反演采用了子空间算法实现了反射波走时反演,反演成像结果可以分辨出异常体的形状和位置。 展开更多
关键词 入射波 反射波 快速行进法 子空间反演法
下载PDF
Prestack AVA joint inversion of PP and PS waves using the vectorized reflectivity method 被引量:1
5
作者 Liu Wei Wang Yan-Chun +2 位作者 Li Jing-Ye Liu Xue-Qing Xie Wei 《Applied Geophysics》 SCIE CSCD 2018年第3期448-465,共18页
Most current prestack AVA joint inversion methods are based on the exact Zoeppritz equation and its various approximations. However, these equations only reflect the relation between reflection coefficients, incidence... Most current prestack AVA joint inversion methods are based on the exact Zoeppritz equation and its various approximations. However, these equations only reflect the relation between reflection coefficients, incidence angles, and elastic parameters on either side of the interface, which means that wave-propagation effects, such as spherical spreading, attenuation, transmission loss, multiples, and event mismatching of P-and S-waves, are not considered and cannot accurately describe the true propagation characteristics of seismic waves. Conventional AVA inversion methods require that these wave-propagation effects have been fully corrected or attenuated before inversion but these requirements can hardly be satisfied in practice. Using a one-dimensional(1 D) earth model, the reflectivity method can simulate the full wavefield response of seismic waves. Therefore, we propose a nonlinear multicomponent prestack AVA joint inversion method based on the vectorized reflectivity method, which uses a fast nondominated sorting genetic algorithm(NSGA II) to optimize the nonlinear multiobjective function to estimate multiple parameters, such as P-wave velocity, S-wave velocity, and density. This approach is robust because it can simultaneously cope with more than one objective function without introducing weight coefficients. Model tests prove the effectiveness of the proposed inversion method. Based on the inversion results, we find that the nonlinear prestack AVA joint inversion using the reflectivity method yields more accurate inversion results than the inversion by using the exact Zoeppritz equation when the wave-propagation effects of transmission loss and internal multiples are not completely corrected. 展开更多
关键词 REFLECTIVITY method fast nondominated SORTING GENETIC algorithm multiple parameters PRESTACK AVA joint inversion
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部