基于MCMC的叠前地震反演方法研究

马尔科夫链蒙特卡洛方法(MCMC)是一种启发式的全局寻优算法[1].它在贝叶斯框架下,利用已有资料进行约束,既可使最优解满足参数的统计特性,又通过融入的先验信息,提高解的精度;寻优过程可跳出局部最优,得到全局最优解.利用MCMC方法,可以得到大量来自于后验概率分布的样本,不仅可以得到每个未知参数的估计值,而且可以得到与...     

基于改进全变差正则化的GPR多尺度全波形双参数同步反演

针对探地雷达（GPR）双参数全波形反演中电导率反演精度差、双参数存在串扰现象、反演计算量大、易陷入局部极值等问题.作者将具有多参数调节功能的L-BFGS算法引入到GPR时间域全波形反演中,它避免了对Hessian矩阵的直接存储与精确求解,减小了存储量和计算量.结合参数调节因子的选取,有效减小了同步反演时介电常数与电导率的串扰影响,在不降低介电常数反演精度的前提下,提高电导率参数的反演精度.通过在反演目标函数中加载改进全变差正则化方法,提高了反演的稳定性,使目标体边缘轮廓更加清晰.首先以简单模型为例,对比了单尺度反演与多尺度串行反演策略的优劣,说明多尺度串行反演有利于逐步搜索全局最优解;而开展参数调节因子的选取实验,说明合适的参数调节因子可以有效改善介质电导率的反演精度;测试了不同正则化的反演效果,表明改进全变差正则化能提高反演稳定性,显著降低模型重构误差.最后,分别对含噪合成数据和实测数据进行了反演测试,说明本文提出的多尺度、双参数反演具有较强的鲁棒性,能提供更丰富的信息约束,重构图像界面清晰、反演效果好.     

快速模拟退火地震反演

讨论了用模拟退火方法进行地震资料的参数反演，利用快速的降温方式实现模拟退火反演，从而形成了快速模拟退火算法。模拟退火反演的优点是可以突破反演过程中局部最优的限制，获得全局最优解。因此，ＳＡ方法适于解决地震反演中的非凸性目标函数的最优化问题。     

基于L1范数的瞬变电磁非线性反演

瞬变电磁反演存在高度的非线性特征,常用的最小二乘等线性反演方法往往对初始模型高度依赖,并且极易陷入局部最优解.本文基于观测数据与模拟数据的L1范数建立目标函数,采用模拟退火非线性全局最优化方法实现瞬变电磁一维反演.初始模型完全随机产生,通过指数函数退温机制模拟系统能量最小实现迭代,通过接收概率函数评价当前模型,实现局部最优解的跳出,最终实现全局最优化求解.通过数值算例发现,无论给定的反演层数等于还是大于设计模型,都可以获得较好的反演效果,因而可以在反演初始就设计较多的层数,实现反演模型的自动拟合;同时,利用含噪声数据反演进一步验证算法的稳定性.最后,对实测数据进行了反演测试,结果与钻孔编录基本一致,表明提出的基于L1范数的模拟退火反演可用于实测数据处理.     

二维波动方程参数反演的微分进化算法

利用微分进化算法进行二维波动方程参数反演的研究.微分进化算法属于全局最优化算法,具有鲁棒性强、收敛速度快、计算精度高的优点.把参数反演问题转化为非线性优化问题,通过保持在解空间不同区域中各个点的搜索,以最大的概率找到问题的全局最优解.同时还进行了数值模拟,结果令人满意.     

布谷鸟马尔科夫链蒙特卡洛混合高斯地质统计学随机反演

地质统计学随机反演可以获得比常规反演更高分辨率的结果,目前已成为储层高分辨率预测的主流方法.地下不同岩相储层参数存在明显差异,本文在地质统计学反演框架下构建了岩相和储层参数同步反演目标函数,实现不同岩相条件下储层参数分布精细描述.在求解该高维数据多参数同步反演问题时,本文将可以动态调节搜索步长的布谷鸟算法与马尔科夫链蒙特卡洛方法融合,采用多条马尔科夫链进行Levy飞行产生新解的策略扩大解的空间范围,通过适应度最佳选择输出最优解实现全局优化迭代,有效提升了反演方法的稳定性和全局最优性,避免了传统马尔科夫链蒙特卡洛方法因抽样随机性而陷入局部最优的问题.通过含噪声模型和实际数据分析验证了本文方法的有效性.     

基于新的惩罚因子算法的波场重构反演

全波形反演是一种高精度的反演方法，其目标函数是一个强非线性函数，易受局部极值影响，而且反演过程计算量较大.波场重构反演是近几年提出的一种改进的全波形反演理论.该反演方法通过将波动方程作为惩罚项引入到目标函数中，通过拓宽解的寻找空间减弱了局部极小值的影响，而且反演过程不需要计算伴随波场，提高了计算效率.但该反演方法一直缺少准确的惩罚因子算法，直接影响到该方法的准确度.本文将波场重构反演拓展到时间域并利用梯度法进行波场重构.频率域的惩罚因子用来加强波动方程的约束，而时间域惩罚因子表现为调节模拟波场和实际波场的权重因子.为此，我们根据约束优化理论，在波动方程准确以及重构波场与反演参数解耦的假设下，提出以波动方程为目标函数的新的惩罚因子算法.根据波形反演在应用时普遍存在的噪音干扰、子波错误和低频信息缺失的情况下，应用部分Sigsbee2A模型合成数据对本文提出的算法进行实验.数值实验结果表明：基于新的惩罚因子算法，在其他信息不准确的情况下，波场重构反演可以给出高精度的反演结果.     

邻近算法在微地震震源位置和一维速度模型同时反演中的应用

微地震事件的空间分布可以用来监测水力压裂过程中裂缝的发育情况。因此,震源定位是微震监测中重要的环节。震源定位依赖准确的速度模型,而震源位置和速度模型的耦合易导致线性迭代的同时反演方法陷入局部极小值。邻近算法作为一种非线性全局优化算法,能够最大程度地避免陷入局部最优解。本文将邻近算法应用于单井监测的微震定位和一维速度模型同时反演,首先利用邻近算法搜索一维速度模型,再使用网格搜索方法进行震源定位,并根据定位的走时残差产生新的速度模型,最后通过若干次迭代使其收敛到最优解。理论和实际数据结果均表明该方法能够避免局部最优解,得到较为可靠的震源位置和一维速度模型。     

基于广义模式识别面波基模式频散曲线反演研究

面波多道分析方法(MASW)是获取垂向剪切波速度剖面的一种有效方法。频散曲线反演是MASW中关键的一步。由于瑞雷波频散曲线反演具有非线性、多参数和多极值的特征,这对于常规的局部线性化反演方法是极大的挑战。为此,本文采取确定性的全局优化算法,广义模式识别算法(GPS)对瑞雷波频散曲线进行反演。其原理可以简述为:算法首先通过模式以确定性的方式对目标函数进行采样来搜索一个点序列;然后使序列中每一个点到下一个点的目标函数值逐渐减少,从而使点序列逐渐逼近全局最优解,最后的解便为待求的最优模型参数。为验证GPS的有效性,首先利用设计的3种典型的6层地质模型通过快速矢量传递算法正演模拟产生基模式频散曲线(频率范围为5~101Hz,频率间隔为2Hz,频点数为49),并对理论频散曲线进行反演。反演结果表明,模型的真实值已经被高度精确地重建。说明GPS可以用于实际勘探中的基模式频散曲线反演。为进一步验证GPS的有效性,在吉林大学校园采集瑞雷波实测数据,并提取基模式频散曲线,应用GPS进行反演。反演重建的横波速度剖面与先验的地质信息吻合得很好。理论模型和真实数据的反演结果表明,GPS可以应用在瑞雷波频散曲线非线性反演中。      

基于粒子群优化的多目标体中梯电阻率异常反演

在采用中梯装置的电阻率剖面法应用中,特别是在环境、水文和工程等领域,经常遇到需要对多个异常目标体进行快速定位以便及时进行相应处理的情况.利用倾斜椭球体来近似模拟这些电阻率异常目标体,使得正演计算可以采用解析表达式来实现,提高正演计算的时效性.相应的地球物理模型也可简化为由椭球体个数、中心点位置、倾角、轴径以及电阻率等参数构成的粒子,多个粒子组成的粒子群在粒子群优化算法的控制下在给定的搜索空间中并行地搜索最优模型.通过对粒子群优化算法参数的合理设计,利用其良好的全局与局部均衡的搜索能力实现对多个异常目标体的同时反演.数值实验结果表明该反演方法能有效实现对多个目标体的同时反演,计算速度快、反演拟合精度较高、同时具有一定的抗噪音能力.快速的多目标体反演,可以实时准确的定量解译中梯剖面法圈定的异常目标体,较好地满足工程等领域的高时效性要求.     

基于Metropolis优化的叠前全局迭代地质统计学反演方法

叠前地质统计学反演将随机模拟与叠前反演相结合,不仅可以反演各种储层弹性参数,还提高了反演结果的分辨率.基于联合概率分布的直接序贯协模拟方法可以在原始数据域对数据进行模拟,不需要对数据进行高斯变换,拓展了地质统计学反演的应用范围;而联合概率分布的应用确保了反演参数之间相关性,提高了反演的精度.本文将基于联合概率分布的直接序贯协模拟方法与蒙特卡洛抽样算法相结合,参考全局随机反演策略,提出了基于蒙特卡洛优化算法的全局迭代地质统计学反演方法.为了提高反演的稳定性,我们修改了局部相关系数的计算公式,提出了一种新的基于目标函数的优化局部相关系数计算公式并应用到协模拟之中.模型测试及实际数据应用表明,该方法可以很好的应用于叠前反演之中.     

Soil moisture estimation using tomographic ground penetrating radar in a MCMC–Bayesian framework

In this study, we focus on a hydrogeological inverse problem specifically targeting monitoring soil moisture variations using tomographic ground penetrating radar (GPR) travel time data. Technical challenges exist in the inversion of GPR tomographic data for handling non-uniqueness, nonlinearity and high-dimensionality of unknowns. We have developed a new method for estimating soil moisture fields from crosshole GPR data. It uses a pilot-point method to provide a low-dimensional representation of the relative dielectric permittivity field of the soil, which is the primary object of inference: the field can be converted to soil moisture using a petrophysical model. We integrate a multi-chain Markov chain Monte Carlo (MCMC)–Bayesian inversion framework with the pilot point concept, a curved-ray GPR travel time model, and a sequential Gaussian simulation algorithm, for estimating the dielectric permittivity at pilot point locations distributed within the tomogram, as well as the corresponding geostatistical parameters (i.e., spatial correlation range). We infer the dielectric permittivity as a probability density function, thus capturing the uncertainty in the inference. The multi-chain MCMC enables addressing high-dimensional inverse problems as required in the inversion setup. The method is scalable in terms of number of chains and processors, and is useful for computationally demanding Bayesian model calibration in scientific and engineering problems. The proposed inversion approach can successfully approximate the posterior density distributions of the pilot points, and capture the true values. The computational efficiency, accuracy, and convergence behaviors of the inversion approach were also systematically evaluated, by comparing the inversion results obtained with different levels of noises in the observations, increased observational data, as well as increased number of pilot points.     

Markov chain Monte Carlo ground‐motion selection algorithms for conditional intensity measure targets

Two new algorithms are presented for efficiently selecting suites of ground motions that match a target multivariate distribution or conditional intensity measure target. The first algorithm is a Markov chain Monte Carlo (MCMC) approach in which records are sequentially added to a selected set such that the joint probability density function (PDF) of the target distribution is progressively approximated by the discrete distribution of the selected records. The second algorithm derives from the concept of the acceptance ratio within MCMC but does not involve any sampling. The first method takes advantage of MCMC's ability to efficiently explore a sampling distribution through the implementation of a traditional MCMC algorithm. This method is shown to enable very good matches to multivariate targets to be obtained when the numbers of records to be selected is relatively large. A weaker performance for fewer records can be circumvented by the second method that uses greedy optimisation to impose additional constraints upon properties of the target distribution. A preselection approach based upon values of the multivariate PDF is proposed that enables near‐optimal record sets to be identified with a very close match to the target. Both methods are applied for a number response analyses associated with different sizes of record sets and rupture scenarios. Comparisons are made throughout with the Generalised Conditional Intensity Measure (GCIM) approach. The first method provides similar results to GCIM but with slightly worse performance for small record sets, while the second method outperforms method 1 and GCIM for all considered cases.     

Fast and accurate earthquake location within complex medium using a hybrid globallocal inversion approach

A novel hybrid approach for earthquake location is proposed which uses a combined coarse global search and fine local inversion with a minimum search routine, plus an examination of the root mean squares (RMS) error distribution. The method exploits the advantages of network ray tracing and robust formulation of the Fréchet derivatives to simultaneously update all possible initial source parameters around most local minima (including the global minimum) in the solution space, and finally to determine the likely global solution. Several synthetic examples involving a 3-D complex velocity model and a challenging source-receiver layout are used to demonstrate the capability of the newly-developed method. This new global-local hybrid solution technique not only incorporates the significant benefits of our recently published hypocenter determination procedure for multiple earthquake parameters, but also offers the attractive features of global optimal searching in the RMS travel time error distribution. Unlike the traditional global search method, for example, the Monte Carlo approach, where millions of tests have to be done to find the final global solution, the new method only conducts a matrix inversion type local search but does it multiple times simultaneously throughout the model volume to seek a global solution. The search is aided by inspection of the RMS error distribution. Benchmark tests against two popular approaches, the direct grid search method and the oct-tree important sampling method, indicate that the hybrid global-local inversion yields comparable location accuracy and is not sensitive to modest level of noise data, but more importantly it offers two-order of magnitude speed-up in computational effort. Such an improvement, combined with high accuracy, make it a promising hypocenter determination scheme in earthquake early warning, tsunami early warning, rapid hazard assessment and emergency response after strong earthquake occurrence.     

三维复杂速度模型中地震的快速精确定位

讨论了全局选择震源初始位置下的矩阵反演求取全局解的问题．与流行的全局优化搜寻直接定位方法相比,该反演算法是一种行之有效的定位方法,具有定位精度高、计算时间少以及对噪声数据不敏感等特点．其突出的优点是在不增加计算难度和计算时间的前提下,用矩阵反演的方法确保得到全局最小值解,可适应于地震早期预警,海啸早期预警,以及大震速报等实际工作．      

基于不等式约束的三维电阻率探测混合反演方法

三维电阻率探测的线性反演和非线性反演中均存在着多解性的固有难题.电阻率线性反演方法的效率较高,但反演结果对初始模型的依赖性较强,易陷入局部极小;而非线性反演方法不依赖初始模型,但搜索效率极低,尚未见到关于三维电阻率非线性反演的文献.针对上述问题,融合线性与非线性反演方法的互补优势,提出了最小二乘法(线性方法)与改进遗传算法(非线性方法)相结合的混合反演方法的概念和思想.首先,提出了将介质电阻率变化范围作为不等式约束引入反演方程的思路,以实现压制多解性、提高可靠性的目标.提出了宽松不等式约束和基于钻孔推断的局部严格不等式约束的获取及定义方法.在此基础上,分别提出了基于不等式约束的最小二乘线性反演方法和遗传算法非线性反演方法.其次,对于遗传算法在变异搜索方向控制、初始群体产生等方面进行了改进,优化了其搜索方向和初始群体多样性.然后,提出了混合反演方法及其实现方案,利用改进遗传算法进行第一阶段反演,发挥其对初始模型的依赖程度低的优势,搜索到最优解附近的空间,输出当前最优个体;利用最小二乘法进行第二阶段反演,将遗传算法得到的当前最优个体作为初始模型,在最优解附近空间执行高效率的局部线性搜索,最终实现地电结构的三维成像.最后,开展了合成数据与实际工程算例验证,与传统最小二乘方法进行了对比,发现混合反演方法在压制多解性、摆脱初始模型依赖和提高反演效果方面有较好效果.