基于贝叶斯原理的爆炸识别判据综合技术研究

基于贝叶斯原理,建立了地震事件识别判据的综合方法（简称贝叶斯方法）, 并针对中亚地区大量地震事件,采用该方法综合了不同台站和不同频带的P/S震相幅值比判据. 该方法的主要优点是能够给出事件属于爆炸的概率,而且充分考虑了判据之间的相关性. 理论计算和模拟数据分析结果表明, 贝叶斯方法是最优的综合方法, 其识别效果比任何单个判据好,也好于普通线性组合方法的识别效果. 针对中亚地区大量地震事件综合不同台站和不同频带的P/S震相幅值比判据的结果也表明,贝叶斯方法的误识率低于单个判据和线性组合方法的误识率.     

P波和S波接收函数的贝叶斯联合反演

S波接收函数对于研究岩石圈速度结构具有重要价值. 本文利用合成地震图技术研究了S波接收函数的动力学特征. 在接收函数非线性复谱比反演方法的基础上,发展了基于贝叶斯理论的P波和S波接收函数的非线性联合反演方法. 结果表明:(1)适用于S波接收函数反演的震中距范围约为55°~80°,S波接收函数反演要求所用远震事件的震级大于5级; (2)与陡变的岩石圈底部界面(LAB)相比,梯度带类型LAB上生成的SLP转换波相对较弱,台站下方的沉积盖层有助于相对增强SLP震相; (3)由于S波接收函数径向分量不符合δ脉冲,不依赖于等效震源假定的三分量接收函数多道最大或然性反褶积方法更适合S波接收函数的估计;(4)数值检验的结果表明,在初始模型速度参数偏离真实模型20%的情况下,本文的方法能够预测300 km深度范围内的P波和S波速度结构;(5)观测数据的反演结果表明,由于P波接收函数低频分量相对不足,本文的联合反演方法对于大于100 km深度上地幔的S波速度结构约束相对较弱.     

基于贝叶斯理论的接收函数与环境噪声联合反演

基于Bayes反演理论(Tarantola,1987,2005),在接收函数非线性复谱比反演方法基础上(刘启元等,1996),本文讨论了接收函数与地震环境噪声Rayleigh波相速度频散的联合反演.本文采用修正后的快速广义反射/透射系数方法(Pei et al., 2008,2009) 计算Rayleigh波相速度频散, 并引入地壳泊松比的全局性搜索.数值检验表明:(1)接收函数与环境噪声的联合反演能够有效地解决反演结果对初始模型依赖的问题,即使对地壳速度结构仅有非常粗略的初始估计(例如,垂向均匀模型),本文方法仍能给出模型参数的可靠估计;(2)由于环境噪声与接收函数在频带上的适配性明显优于地震面波,接收函数与环境噪声的非线性联合反演能更好地约束台站下方近地表的速度结构;对于周期范围为2~40s的环境噪声相速度频散,利用本文方法能够可靠推测台站下方0~80 km深度范围的S波速度结构, 其浅表速度结构的分辨率可达到1 km; (3)本文方法能够可靠地估计地壳泊松比,泊松比的全局性搜索有助于合理解释接收函数和环境噪声的面波频散数据.利用本文方法对川西台阵KWC05台站观测的接收函数与环境噪声的联合反演表明,该台站下方地壳厚度为44 km,上地壳具有明显的高速结构,24~42 km范围的中下地壳具有低速结构.该台站下方地壳的平均泊松比为0.262,壳内低速带的泊松比为0.27.     

基于贝叶斯理论的叠前多波联合反演弹性模量方法

AVO反演可以获得地层岩性和流体信息,而叠前反演问题都是高维的和非适定的,因此获得可靠稳定的解对叠前反演至关重要. 本文给出了一种基于贝叶斯理论的纵波和转换波联合反演密度比和模量比的方法. 鉴于剪切模量比、体积模量比可以更好地指示油气,基于岩石物理中速度比与模量比之间的关系,将此关系式代入Zoeppritz方程的近似形式Aki-Richards公式中,得到与模量比有关的反射系数近似公式. 联合纵波和转换波,利用最小二乘准则构建目标函数,最终反演出密度比、剪切模量比、体积模量比三个参数. 在反演过程中引入贝叶斯理论,假定先验信息服从高斯分布,待求参数服从改进的Cauchy分布,并去除待求参数之间的相关性. 利用模型数据和实际数据对本文方法进行测试,并与常规的单独利用纵波数据来反演方法进行比较,结果表明联合反演稳定性更好、精度更高、抗噪音能力更强,验证了本文方法的可行性和有效性.     

Improved performance‐based seismic assessment of buildings by utilizing Bayesian statistics

This paper addresses two important issues of concern to practicing engineers and researchers alike in application of performance‐based seismic assessment (PBSA) methodology on buildings: (i) the number of ground motion records required to exercise PBSA—current practice (FEMA P‐58‐1) requires eleven or more pairs of motions for this purpose, and (ii) the time and effort associated with performing the number of nonlinear response history analyses required to exercise PBSA. We present a method for exercising of PBSA that employs classical linear modal analysis to develop a first estimate (i.e., a priori) of probability distribution of loss, followed by utilizing Bayesian statistics to update this estimate using estimates of loss obtained by utilizing a small number of nonlinear response history analyses of a detailed model of the building (i.e., posterior). The proposed technique is used to assess the distribution of monetary loss of two case studies, a 4‐story reinforced concrete moment‐resisting frame building and a 20‐story steel moment‐resisting frame building, both located in Los Angeles, for a ground motion hazard with 10% probability of exceedance in 50 years. The efficiency of the proposed PBSA method is demonstrated by showing the similarity between the distribution of monetary loss at each story of case study buildings obtained from the traditional/sophisticated PBSA methodology and the proposed PBSA method in this study. Copyright © 2015 John Wiley & Sons, Ltd.     

基于马尔科夫随机场的岩性识别方法

通过地震反演数据识别岩性,是地震反演的一项基本任务.由于不同岩性的弹性参数范围常常存在一定程度的重叠,所以给岩性识别带来了很大的困难.本文以叠前反演的弹性参数为基础,通过马尔科夫随机场(Markov Random Field简写为MRF)建立先验模型,按照解释好的测井资料,对不同岩性的弹性参数进行统计,得到计算所需的参数,在贝叶斯(Bayesian)框架下建立岩性分类的目标函数,达到岩性识别的目的.通过马尔科夫随机场建立先验模型,能够建立相邻点间的相互作用关系,得到横向上延续的岩性剖面.本文使用一个楔形模型和Marmousi Ⅱ模型对该方法进行了测试,结果表明,该方法有效可行.同时,本文通过加入误差的方法,检验了反演存在误差对识别结果的影响.     

Calibration of P/S amplitude ratios for seismic events in Xinjiang and its adjacent areas based on a Bayesian Kriging method

Correction maps of P/S amplitude ratios for seismic events distributed in Xinjiang, China and its adjacent areas were established using a Bayesian Kriging method for the two seismic stations WMQ and MAK. The relationship between correction maps and variations of along-path features was analyzed and the validity of applying the cor- rection maps to improve performances of P/S discriminants for seismic discrimination was investigated. Results show that obtained correction maps can generally reflect event-station path effects upon corresponding P/S dis- criminants; and the correction of these effects could further reduce scatters of distance-corrected P/S measurements within earthquake and explosion populations as well as improve their discriminating performances if path effects are a significant factor of such scatters. For example, as corresponding Kriging correction map was applied, the misidentification rate of earthquakes by Pn(2~4 Hz)/Lg(2~4 Hz) at MAK was reduced from 16.3% to 5.2%.     

基于贝叶斯方法的二维大地电磁尖锐边界反演研究

针对常规大地电磁（Magnetotelluric,MT）反演方法对电阻率异常体边界不太敏感的问题,本文尝试基于贝叶斯理论开展二维大地电磁电阻率尖锐边界反演研究.在反演中,模型参数由边界位置及内部电阻率组成,通过贝叶斯理论将模型参数与数据相联系,采用Markov Chain Monte Carlo（MCMC）的Metropolis-Hastings（MH）方法对后验概率密度函数（Posteriori Probability Density,PDD）进行采样.采样过程中无罚值函数约束,完全以数据自身所包含的信息对模型进行约束,同时与有限约束进行比较,并考虑不同起始采样点对结果的影响.以接受率为参考,用模型算例说明MH方法中建议分布函数选择的重要性.当模型参数间相关性较弱时,使用边缘概率分布对采样结果进行分析.该方法能给出模型参数的分布范围,并给出该模型参数范围对应的数据范围.通过与已知模型的对比及数据拟合情况分析检验了该反演方法的有效性.该方法有助于提高大地电磁尖锐边界反演的分辨能力.

     

基于二次重现期的多变量洪水风险评估

由于洪水是一种具有多个特征属性的随机事件,频率分析成为洪水风险评估的一种有效手段,多变量重现期与设计值的定义与计算则是洪水频率分析中的重点和难点.本文通过构造洪水历时、洪峰与洪量的联合分布,介绍了一种新的多变量重现期定义——二次重现期,并探讨了"或"重现期、"且"重现期和二次重现期对安全与危险域识别的差异性,以及在洪水风险管理与工程设计中的合理性与可靠性.传统的"或"和"且"多变量重现期对安全与危险域的识别存在局限性,利用Kendall函数定义的二次重现期则提供了更加合理的安全与风险域识别,避免了对安全事件与危险事件的错误判定,更有利于指导洪水风险的管理.在给定的二次重现期条件下,依据出现概率最大原则推算的历时、洪峰与洪量设计值组合可以满足工程设计以较低成本承受较大风险的追求,相比于单变量设计值,考虑了洪水多个属性联合特征的多变量设计值提供了更加全面和可靠的参考信息.     

基于贝叶斯理论的AVO三参数波形反演

在实际的AVO反演问题中,叠前数据体中的噪声或其他因素严重影响了AVO反演问题的适定性,而采用先验地质信息作为AVO反演问题的约束条件是解决AVO反演问题不适定的一种可行方法. 文中的似然函数采用了[WTBX]ι[WTBX]p范数的解,并用Cauchy分布表示先验模型参数的分布. 以此为基础,在反演中建立了测井数据的参数协方差矩阵对反演过程进行约束,并采用了共轭梯度算法实现多参数非线性的反演过程. 同时,为了提高反演精度,避免动校正拉伸及依赖于炮检距的调谐效应对参数估计的影响,反演采用动校前地震数据进行参数估计. 从应用效果分析来看,即使叠前道集的信噪比不高,反演的结果也能较好地与实际情况相匹配,为识别储层流体性质提供了新的手段.     

基于贝叶斯方法的深层充电效应风险模型评估

高能电子穿透航天器并在其内部沉积电荷从而引发深层充电效应,是导致卫星故障的重要因素之一.为了评估深层充电效应诱发卫星异常的风险,本文基于贝叶斯方法,使用一颗地球同步轨道卫星的异常数据和GOES-8卫星的电子通量探测数据,计算了不同能量阈值及累积时间的电子注量、不同卫星配置下模拟仿真的沉积电荷,并分别与卫星异常建立一系列概率风险模型.本文从模型中随机抽样得到模拟异常,并与实测异常构造混淆矩阵以评估模型拟合优度,结果表明>1.0 MeV电子3日累积注量-卫星异常概率风险模型为该卫星最优模型.本文利用最优模型对该卫星深层充电效应风险进行了计算,在>1.0 MeV电子3日累积注量达到2.0×10¹⁰cm^-2·sr^-1时,该卫星发生深层充电异常的平均后验概率为27%,且95%最小可信值为22%.根据最优模型,我们对该卫星最可能导致异常的部件的材料和结构等特征做出了推断.

     

基于Bayes算法的Abel积分反演折射指数的研究

本文将Bayes算法应用到Abel积分方程中,利用End-to-End Generic Occultation Performance Simulation and Processing System（EGOPS）软件仿真出的弯角数据来反演大气折射指数,并与Tikhonov正则化的反演结果进行对比.当直接利用仿真所得的弯角数据（认为它是不含误差的）时,Bayes算法与Tikhonov正则化的反演结果具有很好的一致性,二者的均方根误差均为2.5470×10^-8;但在实际观测过程中,由于电离层以及水汽等方面的影响,所得到的弯角数据不可避免地会含有误差,可能产生高频成分,甚至存在间断的现象,因此我们在仿真的弯角数据中加入了满足高斯型分布的随机噪声,然后进行折射指数的反演试验.结果表明,相比于Tikhonov正则化技术,Bayes算法具有更高的反演精度.

     

多个地震台网相互融合测定震级的贝叶斯算法

流动地震台网由于台站台基响应、震级测定方法和操作方式等多种因素的影响, 测定震级与区域内的固定地震台网震级测量结果存在差异, 从而使其记录到的而标准台网没有记录到的大量局域小地震不能直接补充到标准目录中.即使流动地震台网的震级测定公式中的量规函数经过校正, 两者在具体地震事件的震级测定上的差异仍不可避免, 因此急需解决这一普遍性问题的快速计算方法.本文先假定震级的观测值服从正态分布, 其中对固定台网而言, 测定震级的平均值为未知的真实震级, 对流动台网而言, 测定震级的平均值为真实震级的一个线性函数, 然后基于贝叶斯原理, 推导得出了不同台网观测震级的后验概率密度函数.应用于实际观测资料时, 可用最大似然估计来获得该算法中的矫正参数, 并计算后验的地震震级, 即矫正震级.我们将该算法实际应用于西昌流动地震台网(XC)与中国地震台网(CN)的震级融合问题中.基于矫正震级与原始测定震级的对比研究表明, 矫正震级与固定地震台网原始测定震级之间存在一定偏离度的线性对应分布, 而西昌流动地震台网测定震级相比矫正震级整体偏小.本文所提出的多台网震级融合的贝叶斯算法为流动台网测定的不精确震级提供了一种震级矫正的快速算法, 考虑固定台网与流动台网测定震级的一致性, 固定台网测定震级的稳定性和准确性也得到同步提高.

     

基于贝叶斯框架的各向异性页岩储层岩石物理反演技术

页岩岩石物理建模旨在建立页岩矿物组分、微观结构、流体填充与岩石弹性参数的关系.对四川盆地龙马溪组页岩进行岩石物理建模研究,针对页岩黏土含量高、层间微裂缝发育等特点,利用Backus平均理论描述页岩黏土矿物弹性参数,利用Chapman理论计算与水平微裂缝有关的VTI各向异性,并利用Bond变换考虑地层倾角的影响.提出以黏土矿物纵、横波速度和孔隙纵横比为拟合参数进行岩石物理反演的方法,并引入贝叶斯框架减小反演的多解性.由已知的黏土矿物纵、横波速度和孔隙纵横比作为先验信息,并以测井纵、横波速度作为约束条件建立反演的目标函数,同时利用粒子群算法进行最优化搜索.计算结果表明,基于先验约束和粒子群算法的反演方法能够较准确地反演黏土矿物的弹性参数、孔隙形态参数以及裂缝密度等参数.计算得到的黏土纵、横波速度较高,并且在一定范围内变化,这可能与龙马溪组页岩的黏土矿物组分中具有较高弹性模量的伊利石含量较高有关,同时也与黏土定向排列等微观物性特征有关.反演得到的裂缝密度与纵波各向异性参数ε呈明显的正相关,而与横波各向异性参数γ相关性较小.另外,页岩各向异性参数与黏土垂向的纵横波速度有较强的相关性.

     

基于贝叶斯估计的深海GNSS-A定位精度

本文基于贝叶斯估计采用同时估计海底应答器位置和声速水平梯度的策略处理了水深约3 km的GNSS-A观测数据,分别在单应答器模式、多应答器阵列模式下,分析了航迹几何构型、参数初值以及参数估计策略对海底固定应答器和锚系应答器三维定位精度的影响.结果表明：应答器位置后验不确定度与先验不确定度呈正比关系,其比例系数对于单站模式约为0.1,对于多站模式约为0.05;观测时延残差均方差(RMS)在单站模式下约为0.6 ms,多站模式下约为4.5 ms;圆形测线由于测量时间较短,声速水平梯度变化不大,因此同时估计海底应答器位置和声速水平梯度能够获得较高的定位精度;然而,由于井字形航迹的走航时间较长,声速水平梯度变化较大,该估计策略已不再适用,因而精度最低;圆形测线对参数初值先验精度要求较高;当换能器与GNSS天线的臂长先验精度较高时,对于圆形测线,估计该参数并不能显著提升定位精度.

     

基于双相介质理论的储层参数反演方法

传统基于单相介质理论的储层参数反演方法将孔隙流体与固体骨架等效为单一固体,弱化了孔隙流体的影响,反演结果精度不高. 本文提出根据双相介质理论反演储层参数的方法. 首先,在前人研究的基础上,利用岩石物理模型建立弹性参数与孔隙度、饱和度、泥质含量等储层参数间的关系,进而将双相介质反射系数推导为储层参数的函数;其次,根据贝叶斯反演理论,在高斯噪声假设的基础上,采用更加符合实际情况的修正柯西分布函数描述反射系数的稀疏性,推导出储层物性参数目标反演函数;最后, 应用差分进化非线性全局寻优算法来求解目标反演函数,使得反演结果与实际资料间误差最小. 新方法旨在突出流体对介质反射系数的影响,以期得到较高的储层参数反演精度. 模型与实际资料测试均表明该方法可行、有效且反演精度较高.     

基于井位的地震属性融合技术研究

在利用地震属性对储层预测的研究中,大部分理论方法主要存在利用单一属性预测储层这一缺陷,在实际应用中则存在单一属性不能正确预测储层的问题,这些问题应通过多元属性融合技术来解决,本文在已有井资料的基础上,对属性融合技术进行了研究,分析各属性对储层的影响因素,利用井位计算各地震属性融合比重,有机的结合了各属性的优点,提出了这一问题新的解决方法.实际资料的应用显示,该方法在储层预测中取得了良好的效果.     

基于RBF神经网络的地震与爆破识别技术

利用天然地震震源和人工爆破震源之间信号能量分布的差异,结合RBF神经网络技术,对2类事件进行分类,具体步骤如下:使用8个带通滤波器对事件波形进行滤波,并划分为4个波形段:P波、P波尾波、S波和S波尾波,分别计算每个滤波器信道和波形段的能量特征值,以所得32个特征参数作为输入向量,利用RBF神经网络,对地震和爆破事件进行分类识别。结果表明,基于RBF神经网络的地震事件识别方法,识别率为88.1%,具有较高的准确性,可作为地震与爆破事件识别的一个重要依据。     

近地表密度估计的重力贝叶斯分析方法及在云南地区的应用

基于布格重力异常相对于地形起伏光滑分布的约束条件,从一维自由空气重力异常数据出发,采用贝叶斯方法估算近地表岩石密度,同时采用三次B样条函数拟合布格重力异常,获取光滑分布的布格重力异常.数据拟合和光滑约束之间的权重采用Akaike贝叶斯准则（ABIC准则）自动确定.均匀剖分模型和不均匀剖分模型数据试验都验证了该方法的有效性.相关参数评价表明,足够多的样条系数可以提高估计结果的准确性,样条系数的个数接近测点数时可获得较稳定的估计结果.增大异常的噪声水平时,ABIC准则可有效地自动增大先验光滑约束的权重.云南地区两条重力剖面应用结果表明,剖面沿线的近地表密度值起伏变化明显（达2.45~2.8 g·cm^-3）,前寒武纪和古生代地层密度相对较高（主要为2.53~2.75 g·cm^-3）,而中生代密度较低（2.45~2.73 g·cm^-3）;本文估计的近地表密度结果与区域物性资料及地表地质特征较吻合;估计的剖面布格重力异常具有光滑性;红河断裂两侧近地表密度差异较大,可达0.4 g·cm^-3.本文获得的两条剖面近地表密度结构和布格重力异常为该区深部结构与构造研究提供更可靠的重力基础数据.

     

微地震资料贝叶斯理论差分进化反演方法

微地震监测难以拾取准确初至,为了提高反演定位精度和减小多解性,研究了微地震贝叶斯差分进化反演方法.从分析讨论理论模型反演残差及其协方差分布特征出发,结合对比不加噪音和加入不同程度的噪音后残差协方差极小点位置移动、分布梯度变化特征,提出了先验信息解估计方法.针对后验估计中,由于难以获得先验信息解的方差估计致使无法计算加权系数问题,通过分析残差变化特征和解的变化关系,研究了利用残差求取加权系数的方法.为了加快寻优速度,讨论了差分进化反演方法,在变异操作方面使用差分策略,即利用种群中个体间的差分向量对个体进行扰动,实现个体变异,充分有效利用群体分布特性,提高算法的搜索能力,避免遗传算法中变异方式的不足.通过理论模型测试本方法的反演效果,并且和搜索方法反结果进行比较.测试结果证明本反演方法,对于不同程度初至干扰,反演结果向准确解逼近程度比搜索方法要好得多,实际资料的反演结果也好于搜索方法.