论文部分内容阅读
重力勘探是在重力测量学的基础上发展起来的一门应用学科，是现代地球物理勘探方法中常用且效果很好的方法之一。通常实际勘探中测区的地质构造是相当复杂的，野外采集的重力异常受各种地质因素的影响会产生叠加或者干扰，所以我们仅仅凭借异常等值线图来观察和分析地下地质体异常是完全不够的。异常反演成为我们了解和获得地下地质体信息的一种重要手段。目前大多数反演方法是型态反演，但是地下异常体往往是密度分布不均匀的空间，神经网络重力异常反演实际不仅反演出了地质体的形态、大小、位置。并且反演出了地质体的密度分布。这对于我们识别、了解、和研究上带来了很大的帮助。在地球物理中异常的解释问题可以分为数学物理解释与地质解释。凡是根据异常的分布特征和工区的地球物理条件来确定异常质量的形状、大小、埋深和在地面上的投影位置，以及在条件允许下通过理论计算来进一步确定异常的产状要素、剩余密度等则称为数学物理解释。对于重力异常反问题的求解方法已有许多，在分类问题上目前还没有成熟的意见，我们初步可以大致分为线性反演、非线性反演、直接法和统计分析等四大类别。由此可见地球物理反演与数学方法是紧密联系在一起的，好的数学方法能够帮助我们更好的解决反演问题。反演又分线性与非线性反演，线性反演方法中运用最多的是最优化选择法，最优化选择法存在两个问题；第一是如何评定理论曲线与实测曲线之间的符合程度以及要求满足的精度标准，第二是如何修改地质体模型的参量。反演成像当反演的参量越多其等效性越突出。非线性反演方法中有遗传算法、仿真退火反演和神经网络算法等，而神经网络在地球物理中的运用越来越广泛，尤其是在油气地球物理上面已经取得了突破的进展，但是在固体矿产方面还处于起步阶段。神经网络具有强大的非线性映射功能，能够模拟逼近一个从输入到输出的非线性函数，正是因为这个功能我们能够把它引入到重力的异常反演中，重力异常观测值可以作为神经网络的输入，所需要反演的地下地质体参数正是我们网络的输出，通过足够多的正演样本可以训练模拟出我们需要的反演函数。神经网络反演方法具有反演速度快，建立好网络后无需再进行正演重复迭代，能较好的减少反演中的多解性问题，能反演三维物性参数等多优点。本文通过设计多个模型来验证神经网络反演的效果与分辨率，并且将其运用于实际资料处理中。文中首先介绍了几种重力正反演一些基本理论知识，其次介绍了神经网络原理和神经网络在重力异常反演上的原理。为了验证神经网络反演的效果设计了几种单体模型包括水平长方体模型和竖直长方体模型，两类模型中分别设计为不同大小、不同埋深、不同位置、不同剩余密度的模型。根据反演数据画出了地质体密度分布的三维效果图、剖面图，然后根据反演数据正演异常观测值分别与理论模型进行对比，取得了较好的效果，验证了神经网络反演的可行性。在实际资料处理中将该方法运用于国家公益项目《康滇地轴铁铜矿集区勘探方法技术示范》中，对重力勘探的整个剖面数据进行各种校正后，根据划分出的局部重力异常并运用神经网络反演方法反演成像，并与后期勘探工作对比分析，证明了神经网络反演方法在实际资料处理中效果较好，具有实际应用价值。最后总结、分析了神经网络反演方法的优缺点以及应注意的问题。