一种基于种植思想的全张量重力梯度数据反演方法技术

本发明专利技术属于地球物理数据解译技术领域，涉及一种基于种植思想的全张量重力梯度数据反演方法，包括：根据长方体元，计算灵敏度矩阵；将剩余密度非零的长方体元作为生长体；搜索生长体的相邻长方体元；结合灵敏度矩阵计算每个相邻长方体元纳入生长体后的密度模型的目标函数值；在相邻长方体元纳入生长体后的密度模型满足预设生长条件的情况下，选择目标函数值最小的密度模型作为新的密度模型继续迭代；否则停止迭代得到最终反演结果；利用单个分量数据分别迭代生长，获得各个分量数据反演结果；根据各个分量数据的反演结果定权，将加权全张量重力梯度数据联合反演，获得最终联合反演结果。其有益效果是，降低反演问题的多解性、提高反演分辨率。

【技术实现步骤摘要】

本专利技术涉及地球物理数据解译，尤其涉及一种基于种植思想的全张量重力梯度数据反演方法。

技术介绍

1、重力梯度数据反演能够获取地下剩余密度结构，剩余密度为地层中异常体的密度与地层密度之间的差异。因而反演能够为深部找矿提供重要依据。重力梯度数据，包含vxx，vxy，vxz，vyy，vyz，vzz数据，表示重力位v在x、y、z轴方向上的二阶导数。重力梯度数据具有高分辨率，高频信息多的特点。全张量重力梯度数据表示六种重力分量数据。一些学者利用重力梯度数据进行目标矿体的反演并取得了高分辨率的解译结果。重力梯度数据的三维物性反演在数学上是病态问题，其问题具有固有的多解性，所以要通过引入先验约束条件使该问题摆脱病态。目前，大多数的三维物性反演方法都属于传统的正则化反演方法。通过不同分量重力梯度数据的联合，也可以降低多解性。

2、除了正则化反演，还存在一类依靠检索思想的反演方法，即通过在可能的解的空间中搜寻最优解。例如，冒泡法与o-r-f（open-reject-filled principal）方法都采用重力异常数据来进行二维反演。但是冒泡法与o-r-f方本文档来自技高网...

【技术保护点】

1.一种基于种植思想的全张量重力梯度数据反演方法，其特征在于，包括：

2.根据权利要求1所述的基于种植思想的全张量重力梯度数据反演方法，其特征在于，所述根据长方体元，计算灵敏度矩阵，包括：

3.根据权利要求1所述的基于种植思想的全张量重力梯度数据反演方法，其特征在于，所述根据相邻的长方体元结合灵敏度矩阵计算每个相邻长方体元纳入生长体后的密度模型的目标函数值，包括：

4.根据权利要求3所述的基于种植思想的全张量重力梯度数据反演方法，其特征在于，所述根据当前迭代中的密度模型，结合灵敏度矩阵计算每个相邻长方体元分别纳入生长体后，对应的密度模型产生的预测全张量...

【技术特征摘要】

1.一种基于种植思想的全张量重力梯度数据反演方法，其特征在于，包括：

2.根据权利要求1所述的基于种植思想的全张量重力梯度数据反演方法，其特征在于，所述根据长方体元，计算灵敏度矩阵，包括：

3.根据权利要求1所述的基于种植思想的全张量重力梯度数据反演方法，其特征在于，所述根据相邻的长方体元结合灵敏度矩阵计算每个相邻长方体元纳入生长体后的密度模型的目标函数值，包括：

4.根据权利要求3所述的基于种植思想的全张量重力梯度数据反演方法，其特征在于，所述根据当前迭代中的密度模型，结合灵敏度矩阵计算每个相邻长方体元分别纳入生长体后，对应的密度模型产生的预测全张量重力梯度数据，包括：

5.根据权利要求4所述的基于种植思想的全张量重力梯度数据反演方法，其特征在于，所述根据当前迭代中的每个密度模型的预测全张量重力梯度数据，计算各个重力梯度数据的数据残差并联合...

【专利技术属性】
技术研发人员：侯振隆，赵信阳，王家辉，张显，
申请(专利权)人：东北大学，
类型：发明
国别省市：