基于加权模型参数的归一化磁源强度三维反演
饶椿锋;于鹏;胡书凡;陈诚
【摘 要】强剩磁的存在使磁化方向与地磁场方向偏差很大,进而对常规的磁异常反演和解释产生很大的影响.归一化磁源强度(normalized source strength,NSS)是一种弱敏感于磁化方向的转换量,它与场源的中心对应性比同类型的转换量要好.基于模型参数加权,采用共轭梯度的反演算法,使所有反演网格单元的综合灵敏度一致,以消除NSS核函数随距离的四次方衰减的影响.将这种改进的正则化共轭梯度算法应用于剩磁条件下的NSS反演.在研究区内存在剩磁情况下,与直接反演磁异常相比,NSS反演提供了更为可靠和稳定的解;与常规正则化反演方法相比,这种模型参数加权的方式能更好地降低NSS反演中核函数随距离的四次方衰减对反演结果的影响,且其反演结果能更好地刻画场源体的几何形态与物性分布.模型和实测数据测试结果证明了该剩磁条件下的反演方法的有效性和适用性.%The existence of strong remanent magnetization makes the large deviation between the total magnetization direction and the induced magnetization direction.Moreover it will have a great impact on the conventional magnetic anomaly inversion and interpretation.The normalized source strength (NSS) is a quantity whi
ch minimally affected by the direction of remanent magnetization.The NSS produces a higher level of centricity compared to the other transformations of the magnetic field that are used for the same purpose.In this paper,we use a conjugate gradient inversion algorithm based on weighted model parameters to make all inversion grid cells have the same integrated sensitivity,which can be used to eliminate the effects caused by the NSS forward operator decay with fourth power of distance.Under the effects of strong remanent magnetization,we applied the improved regularization conjugate gradient algorithm to invert the NSS data.The NSS inversion produces a more reliable and stable image of the subsurface magnetization distribution than using the observed magnetic field data directly.What's more,compared with conventional 3D inversion,the weighted model parameters can better reduce the effects from the decay with fourth power of distance and the NSS inversion results can better depict the geometry and physical properties distribution of the source body.We verify the effectiveness and applicability of the inversion method presented in this paper for three dimensional magnetic susceptibility with synthetic and field data.
【期刊名称】《石油物探》
【年(卷),期】2017(056)004
【总页数】8页(P599-606)
【关键词】归一化磁源强度;加权模型参数;剩磁;三维反演;磁化率
【作 者】饶椿锋;于鹏;胡书凡;陈诚
【作者单位】同济大学海洋地质国家重点实验室,上海200092;同济大学海洋地质国家重点实验室,上海200092;同济大学海洋地质国家重点实验室,上海200092;同济大学海洋地质国家重点实验室,上海200092
【正文语种】中 文
【中图分类】P631
在多数磁异常处理过程中,往往不考虑剩余磁化强度的影响。但在某些条件下,由于剩余磁化
强度的存在,总场磁化强度的方向与感应磁化强度可能完全不一样。强剩磁和强磁性体的退磁作用改变了磁化强度的大小和方向,导致磁异常的幅值和形态发生畸变,影响磁测资料的反演解释[1-3]。若无总场磁化强度方向的先验信息,常规反演方法计算出来的结果都无效。如:2005年,SHEARER[4]模拟结果表明LI等[5]的反演算法在磁化方向估计误差超过15°时会产生错误的反演结果。
剩磁条件下的磁异常反演方法主要有三大类。
第一类方法:首先估计磁异常数据的磁化方向,然后直接反演总强度磁异常ΔT或垂直分量Za。1986年,唐俊德[6]提出利用磁异常三分量确定磁化方向的圆曲线法;1993年,ROEST等[7]在二维情况下,提出基于磁场总梯度模和磁源重力异常总水平梯度互相关的估计方法;1995年,MEDEIROS等[8]提出利用等效源磁矩反演估计磁化方向;2001年,甘西[9]利用磁场的垂直分量确定磁性体磁化方向;2002年,HANEY[10]在二维情况下,提出一种利用小波变换估计磁化方向的方法;2004年,BILIM等[11]通过寻磁源重力异常与重力异常相关系数的极大值来确定磁化方向;2005年,PHILLIPS[12]给出估计磁化方向的Helbig积分法的直接算法和间接算法;2006年,NICOLOSI等[13]运用等效源算法估计地壳结构的磁化方向,同年,DANNEMILLER
等[14]提出基于化极磁异常垂直梯度与总梯度模的互相关确定总磁化方向的方法;2009年,GEROVSKA等[15]通过化极磁异常与磁异常模量的互相关估计磁化方向;2010年,LI等[16]对常规的估计磁化方向方法进行对比研究,证明了这些方法不适用于磁性体磁化方向变化较大的情况;2015年,LIU等[17]在二维条件下,采用连续反演的方式获得磁性体的物性分布与磁化方向。这类方法一般适用于孤立、剩磁单一的场源体,只能估计出研究区的平均磁化方向,往往不适用于研究区磁化方向变化较大的情况。
第二类方法:将原始磁异常转化为受剩余磁化方向影响小、和场源位置对应关系较好的转换量,然后对转换量进行反演。1972年,NABIGHIAN[18]提出解析信号法(AS),研究表明二维情况下总梯度模完全独立于磁化方向;2000年,STAVREV等[19]基于磁异常模量Ta提出其它4种转换量:R模量,E模量,L模量和Q模量;并证明这些转换量在三维情况弱敏感于磁化方向,在二维情况下完全独立于磁化方向;2001年,PAINE等[20]提出两种类似于解析信号(AS)的转换量,即垂直积分的总梯度模和总梯度模的垂直积分,并将两种转换量运用于三维条带磁异常反演,取得比AS更好的反演结果;2005年,SHEARER[4]进一步提出在三维情况下弱敏感于磁化方向的转换量:磁异常模量和总梯度模,并提出直接反演这些转换量的三维反演算法;2006年,STAVREV[21]利用上述5种模量的比率来估计简单二维源的位置及形态;2010年,LI等[16]进
一步补充磁异常模量反演的三维算法,并提出一套剩磁条件下的三维反演策略,将其应用于高精度航测磁数据反演并取得较好效果;2012年,BEIKI等[22]运用同样弱敏感于磁化方向的NSS数据来确定场源体的埋深;2013年,PILKINGTON等[23]反演了受多个磁化方向干扰地区的NSS数据,比直接用总场磁异常反演的结果更加可靠;2014年,LI等[24]反演了受复杂剩磁影响的磁异常模量数据。
第三类方法:直接反演磁化强度矢量。2004年,WANG等[25]首次运用反演总磁化强度矢量的三分量来获得磁化强度的方向,这种方式更适用于估计孤立、均匀磁化地质体的磁化方向;2009年,LELIVRE等[26]改进了WANG等[25]的方法,证明这种反演方法能够降低剩余磁化强度的影响。这类方法增强了反演参数的不确定性,加大了反演难度。
基于上述分析,特别是转换量NSS具有弱敏感于磁化方向的特性,本文首先介绍NSS的计算方法并与其它转换量进行了对比,然后针对磁异常反演的特点引入模型灵敏度矩阵[27],研究了基于加权模型参数的正则化共轭梯度反演算法,并应用于强剩磁条件下的NSS反演,最后利用模型和实测数据验证本文方法的有效性和适用性。
归一化磁源强度(NSS)是由磁偶极子的磁异常梯度张量矩阵推导而来的转换量[28]。若一个体
积为v,磁化强度分布为M的场源体产生的磁位为:
式中:|r-r0|为观测点与场源之间的距离。那么,其磁异常梯度张量Γ为:
式中:Bx,By和Bz为观测磁异常B(r)的三分量。
矩阵Γ为对称矩阵并且只含有5个独立分量,因此磁异常梯度张量矩阵Γ可以表示为:
式中:l1,l2和l3为Γ的特征向量;λ1,λ2和λ3则为其对应的特征值。WILSON[28]给出磁偶极子的归一化磁源强度μ的定义:
正则化 归一化
式中:Cm=10-7H/m;m为磁偶极矩。并且推导出NSS可由磁异常梯度张量Γ矩阵的特征值计算出来[22-23,28]:
由公式(4)可以看出,NSS与距离的四次方呈反比,与偶极子的磁矩呈正比,与磁化方向无关。NSS具有弱敏感于磁化方向的特性,当研究区域剩磁不均一时,该转换类数据相比其它剩磁处理方法更具有优势。
下面通过一个简单块体模型来说明NSS在剩磁条件下的优势。块体模型是一个中心埋深为22
5m,边长为250m的正方体,模型的磁化率κ为0.05,地磁场强度为50000nT,地磁场倾角为90°,地磁场偏角为0,磁化倾角为30°,磁化偏角为60°。图1a为块体模型的空间位置分布图,图1b为块体模型产生的磁异常,图1c为磁异常(图1b)转换出来的总梯度模(AS)数据,图1d为磁异常(图1b)转换出来的磁异常模量(Ta)数据,图1e为磁异常(图1b)转换出来的NSS数据。从图1c至图1e可以看出,AS,Ta,NSS都是弱敏感于磁化方向的转换量,并且NSS与场源体的中心对应性要比同类型的转换量要好。
由公式(4)可知:NSS随距离的四次方衰减,即NSS对深部场源信息极不敏感,所以本文引入模型灵敏度矩阵Wm[27]:
NSS正演核函数A会随着深度的增加而迅速减小(即越深的网格单元的灵敏度越小),从而导致其反演结果贴近地表而不符合实际情况。通过引入Wm模型灵敏度矩阵可消除核函数随着深度下降造成反演结果贴近地表的影响。因此,本文采用的模型参数加权为:
式中为加权正演算子;mw=Wmm为加权模型参数。模型参数加权以后,所有网格单元的加权模型参数mw的综合灵敏度一致,并且对数据d的贡献基本一致。因此反演的目标函数变为:
Pα(mw)=φ(mw)+αS(mw)
=‖Wd(Awmw-d)‖2+α‖‖2
式中:φ(mw)为由观测数据与预测数据之差所决定的数据拟合泛函;S(mw)为模型稳定泛函;α为正则化因子;Wd为数据加权矩阵为加权先验参考模型。最后,得到共轭梯度的迭代流程[27]如下:
式中n为观测数据与拟合数据之间的残差n为梯度为共轭系数n为共轭梯度0和0分别是第一次迭代的共轭梯度与梯度为迭代步长。
实测数据当中往往会含有一定量的噪声,LI等[5]提出用数据的标准偏离差的倒数作为数据加权因子并取得良好效果,本文也采用这种手段,故数据加权因子为:
式中:σi为数据的标准偏离差,若数据含噪声较少,则Wd为1。
正则化因子α的选取至关重要,其选取方法为:首先取α0=0进行第一次迭代试算,我们选取α1=(‖)]作为第一次迭代的正则化因子,然后按照ZHDANOV[27]提出的自适应正则化算法,在每次迭代求解出新的模型参数之后,判断
如果(11)式成立,则表示当前的正则化因子偏大,无法使数据拟合误差明显下降,此时,按照(12)式来选取下次迭代的正则化因子。
式中:q可根据实际情况选择。
此外,我们引入PORTNIAGUINE等[29]的物性约束方式,即反演结果的物性变化范围满足mbg≤m≤mbg+mup,其中,mbg为背景物性值,mup为物性上限。
对于该正则化共轭梯度反演流程,以卡方误差作为迭代停止条件。
1) 当卡方误差达到1时,停止反演迭代,其误差的计算方式为:
式中:dcal为拟合数据;dobs为观测数据;dnoise为观测数据的标准偏离差;N为数据总个数,Erms为卡方误差。
2) 迭代次数达到最大时停止反演。
理论模型由4个大小不同、物性不同、含有不同剩磁的块体组合而成,表1列出了各块体的几何参数、物性参数及磁化方向。地磁场强度为50000nT,地磁场倾角为65°,地磁场偏角为-25°。
组合块体模型的空间位置分布如图2所示,模型观测磁异常数据(加入数据量级2%的高斯噪声再加1nT)如图3a所示,由磁异常换算得到的NSS如图3b所示。磁异常数据网格大小为1m×1m,反演网格剖分为1m×1m×1m,剖分网格个数为21×21×10,共4410个;地面测点在网格中心的正上方,初始模型m0=0。

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。