CN112666618A - 一种用于多相介质的几何-物性多特征参数提取方法 - Google Patents
一种用于多相介质的几何-物性多特征参数提取方法 Download PDFInfo
- Publication number
- CN112666618A CN112666618A CN202011484866.6A CN202011484866A CN112666618A CN 112666618 A CN112666618 A CN 112666618A CN 202011484866 A CN202011484866 A CN 202011484866A CN 112666618 A CN112666618 A CN 112666618A
- Authority
- CN
- China
- Prior art keywords
- medium
- parameters
- magnetic field
- phase medium
- polarization
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Landscapes
- Geophysics And Detection Of Objects (AREA)
Abstract
本发明涉及一种用于多相介质的几何‑物性多特征参数提取方法,目的在于同时提取地下多相介质的几何特征和物性参数,提高地质识别的准确性。本发明基于广义等效极化模型,定义地下介质由围岩、强极化介质和弱极化介质构成;计算双相和多相介质的梯形波激励下的时域磁场响应,并与超导量子传感器采集的磁场数据构成目标函数;根据实测磁场早期数据计算围岩电导率,作为约束条件;针对被提参数多维度、少约束的情况,设置维度分别对应双相和多相介质,采用量子粒子群优化算法分别进行参数提取,其中双相介质提取结果作为多相介质提取时的约束条件。本发明更符合地下多相介质本质特征,有效地实现了多维参数的全局提取,提高了提取速度和准确性。
Description
技术领域
本发明涉及瞬变电磁勘探领域,具体地来讲为一种用于多相介质的几何-物性多特征参数提取方法。
背景技术
在瞬变电磁勘探领域,往往通过对接收数据进行预处理和反演,获得反映地下导电介质电性分布规律的不同时间的视电阻率函数,进而实现视电导率-深度成像。目前,国内的矿产开采和勘探已经逐渐向复杂矿、隐伏矿等目标发展。对于复杂地质结构,传统的电导率解释方法已经不足以准确识别地下介质的构成和分布。实际含矿地质体除了具有电导率特征外,还包含了矿石半径、体积分数等几何特征和每种矿石的电导率、极化率、频率相关系数等物性参数。所以需要对这些几何特征和物性参数进行参数提取,提高反演的准确性。因此,针对以上情况,研究适用于多相极化介质的模型和几何-物性多特征参数同时准确提取方法是非常必要的。
在瞬变电磁勘探领域,目前主要的参数提取和反演方法中,应用最广泛的是Constable(1987)提出的Occam反演方法,但存在着大量的矩阵运算和多次正演的问题。闫国祥(2015)应用最小二乘法对电导和极化参数进行分布提取,但过于依赖第一步反演结果和容易陷入局部最优解。此外,赵艺(2019)将粒子群方法应用于极化参数的提取,但粒子群方法无法进行全局搜索,而且采用的Cole-Cole模型较为简单,无法分析地下介质的几何特征和物化特性。
CN110133733A公开了一种基于粒子群优化算法的电导-极化率多参数成像方法,特别是涉及基于Cole-Cole极化模型将实测数据分两段分别进行极化参数提取,但是该方法由于模型简单(只包含电导率和极化率参数),在参数提取时将地下多相介质的几何特征和物化特性笼统概括,使各相介质间无法区分,而且粒子群算法的局限性会导致对复杂目标体反演的准确性低。
CN101706587A公开了一种电法勘探极化模型参数的提取方法,特别是涉及直接提取单个Cole-Cole模型的参数,该方法基于随机统计算法和最小二乘法,从相对相位谱及振幅谱中提取Cole-Cole模型参数,既保证了初值的选取不会对提取结果造成影响,也保留了最小二乘法的提取速度较快的特点。但是该方法只能通过复电导率进行提取,且无法分析地下介质的几何特征和物化特性,显然实际情况下无法直接测得复电导率数据,更多的是得到电磁响应数据,因此野外勘探中难以应用。
发明内容
本发明的目的在于针对现有方法无法区分多相介质的几何特征和物性参数,根据实际地下介质的复杂特性,建立广义等效极化模型,并针对该模型参数较多的情况,提供一种用于多相介质的几何-物性多特征参数提取方法。
本发明是这样实现的,
一种用于多相介质的几何-物性多特征参数提取方法,该方法包括:
1)基于地下多相介质的广义等效极化模型,定义地下多相介质由围岩、强极化介质和弱极化介质构成,分别计算梯形波激励下的双相介质的时域磁场响应和多相介质的时域磁场响应;
2)采用超导量子传感器时域电磁探测***进行野外磁场数据观测,并对实测数据进行叠加取样、滤波和一次磁场剔除处理;
3)利用步骤2)数据中的早期数据直接计算围岩电导率σ0;
4)将实测磁场数据与步骤1)中双相介质的时域磁场响应构建目标函数,根据步骤3)的围岩电导率σ0值设置约束范围,基于量子粒子群优化算法,提取围岩电导率σ0和5个强极化介质参数,其中强极化介质参数包括强极化介质电导率σ1、强极化频散系数C1、强极化体积分数f1、强极化粒子半径a1和强表面极化系数α1;
5)将实测磁场数据与步骤1中多相介质的时域磁场响应构建目标函数,根据步骤4)的参数提取结果设置新约束范围,基于量子粒子群优化算法,同时提取围岩电导率σ0、5个强极化介质参数和5个弱极化介质参数,其中弱极化介质参数包括弱极化介质电导率σ2、弱极化频散系数C2、弱极化体积分数f2、弱极化粒子半径a2和弱表面极化系数α2;
6)存储步骤5)所提取的几何参数和物性参数,并分析地下介质的几何特征和物化特性。
进一步地,步骤1中,多相介质时,广义等效极化模型,包含11个几何-物性参数,为了提高参数提取的精度和速度,将待提取的11个参数区分为围岩电导率σ0、5个强极化介质参数和5个弱极化介质参数;双相介质时,包含围岩电导率σ0和5个强极化介质参数。
进一步地,通过步骤3)约束步骤4)中的围岩电导率σ0范围,通过步骤4)约束步骤5)中的围岩电导率σ0和5个强极化介质参数的范围,粒子群算法搜索范围上下限设为±25%;步骤4的提取维度为6维,步骤5)的提取维度为11维。
进一步地,步骤4)和5)中的量子粒子群优化算法包含以下步骤:
Ⅱ初始化种群个体的数量M、在约束范围内随机产生服从均匀分布的粒子的位置xi(t)=(xi1(t),xi2(t),…,xiD(t)),其中i=1,2,…,M,步骤4)的空间维数D=6,步骤5)的空间维数D=11;
Ⅲ计算各个粒子的适应度fv(i),并初始化个体最优解piD(t)和整体最优解giD(t);
式中,uiD(t)为[0,1]的随机数,若uiD(t)>0.5则为“-”,否则为“+”。
Ⅵ比较每个粒子的适应度值,更新个体最优解piD(t)和整体最优解giD(t);
Ⅶ重复步骤Ⅲ-Ⅵ直至寻到最优值或达到最大迭代次数,输出整体最优解giD(t)。
本发明与现有技术相比,有益效果在于:
本发明的用于多相介质的几何-物性多特征参数提取方法,相比传统电导率参数提取方法,更符合地下多相介质的物化特性和电磁场传播扩散规律,被提参数能够准确地区分多相介质的几何特征和物性参数,而不是只是笼统地将目标区域近似为均匀的整体,从而提高了电导率探测深度的解释精度和被测地下区域的地质信息分析的全面性;还针对广义等效极化模型的多参数问题,将多相介质按极化程度区分为强极化介质和弱极化介质,基于量子粒子群优化算法对多相介质的几何-物性参数进行分步骤的维度可变,有效的提高了参数提取的全局搜索能力和准确性。本方法有利于采用瞬变电磁法对复杂矿、多金属矿和隐伏矿等资源的探测,为矿产资源开发提供新的理论依据和技术手段。
附图说明
图1是用于多相介质的几何-物性多特征参数提取方法的流程图;
图2是量子粒子群优化算法流程图;
图3是根据地质资料建立的三层层状大地模型;
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
本发明采用超导量子传感器时域电磁探测***观测发射电流关断后的野外磁场数据,利用早期数据计算围岩电导率σ0,基于广义等效极化模型,分别计算双相和多相介质的梯形波激励下的时域磁场响应,并与实测磁场数据构建目标函数,进行基于量子粒子群优化算法的参数提取,对多相介质的几何-物性参数进行分步骤的维度可变参数提取,最后利用广义等效极化模型实现多相介质的几何-物性多特征参数提取,流程图如图1所示。
一种用于多相介质的几何-物性多特征参数提取方法包括:
1)基于地下多相介质的广义等效极化模型,定义地下多相介质由围岩、强极化介质和弱极化介质构成,分别计算双相和多相介质的梯形波激励下的时域磁场响应;
广义等效极化模型在多相介质时,复电导率表达式如下,
式中, 总共包含11个参数,分为围岩电导率σ0、5个强极化介质参数和5个弱极化介质参数。其中强极化介质参数包括强极化介质电导率σ1、强极化频散系数C1、强极化体积分数f1、强极化粒子半径a1和强表面极化系数α1;其中弱极化介质参数包括弱极化介质电导率σ2、弱极化频散系数C2、弱极化体积分数f2、弱极化粒子半径a2和弱表面极化系数α2。
双相介质时,弱极化体积分数f2=0,即有效参数只包含围岩电导率σ0和5个强极化介质参数。
2)采用超导量子传感器时域电磁探测***进行野外磁场数据观测,并对实测数据进行叠加取样、滤波和一次磁场剔除处理;
3)利用步骤2数据中的早期数据(一般指发射电流关断后1ms内数据)直接计算围岩电导率σ0;
4)将实测磁场数据与步骤1)中双相介质的时域磁场响应构建目标函数,根据步骤3)的围岩电导率σ0值设置约束范围,粒子群搜索范围上下限设为±25%,基于量子粒子群优化算法,提取围岩电导率σ0和5个强极化介质参数,其中强极化介质参数包括强极化介质电导率σ1、强极化频散系数C1、强极化体积分数f1、强极化粒子半径a1和强表面极化系数α1;
5)将实测磁场数据与步骤1)中多相介质的时域磁场响应构建目标函数,根据步骤4的参数提取结果设置新约束范围,粒子群搜索范围上下限设为±25%,基于量子粒子群优化算法,同时提取围岩电导率σ0、5个强极化介质参数和5个弱极化介质参数;其中强极化介质参数包括强极化介质电导率σ1、强极化频散系数C1、强极化体积分数f1、强极化粒子半径a1和强表面极化系数α1;其中弱极化介质参数包括弱极化介质电导率σ2、弱极化频散系数C2、弱极化体积分数f2、弱极化粒子半径a2和弱表面极化系数α2;
其中步骤4)和5)中的量子粒子群优化算法如图2所示,具体包含以下步骤:
Ⅱ初始化种群个体的数量M、在约束范围内随机产生服从均匀分布的粒子的位置xi(t)=(xi1(t),xi2(t),…,xiD(t)),其中i=1,2,…,M,步骤4的空间维数D=6,步骤5的空间维数D=11;
Ⅲ计算各个粒子的适应度fv(i),并初始化个体最优解piD(t)和整体最优解giD(t);
式中,uiD(t)为[0,1]的随机数,若uiD(t)>0.5则为“-”,否则为“+”。
Ⅵ比较每个粒子的适应度值,更新piD(t)和giD(t);
Ⅶ重复步骤Ⅲ-Ⅵ直至寻到最优值或达到最大迭代次数,输出整体最优解giD(t)。
6)存储步骤5提取到的实测数据的几何参数和物性参数,并分析地下介质的几何特征和物化特性。
基于以上方法,根据地质资料建立如图3所示的三层层状大地模型,对其进行多相介质的几何-物性多特征参数提取。提取结果和相对误差如表1所示,说明了本发明的实用性和准确性。
表1本发明的实用性和准确性
Claims (4)
1.一种用于多相介质的几何-物性多特征参数提取方法,其特征在于,该方法包括:
1)基于地下多相介质的广义等效极化模型,定义地下多相介质由围岩、强极化介质和弱极化介质构成,分别计算梯形波激励下的双相介质的时域磁场响应和多相介质的时域磁场响应;
2)采用超导量子传感器时域电磁探测***进行野外磁场数据观测,并对实测数据进行叠加取样、滤波和一次磁场剔除处理;
3)利用步骤2)数据中的早期数据直接计算围岩电导率σ0;
4)将实测磁场数据与步骤1)中双相介质的时域磁场响应构建目标函数,根据步骤3)的围岩电导率σ0值设置约束范围,基于量子粒子群优化算法,提取围岩电导率σ0和5个强极化介质参数,其中强极化介质参数包括强极化介质电导率σ1、强极化频散系数C1、强极化体积分数f1、强极化粒子半径a1和强表面极化系数α1;
5)将实测磁场数据与步骤1中多相介质的时域磁场响应构建目标函数,根据步骤4)的参数提取结果设置新约束范围,基于量子粒子群优化算法,同时提取围岩电导率σ0、5个强极化介质参数和5个弱极化介质参数,其中弱极化介质参数包括弱极化介质电导率σ2、弱极化频散系数C2、弱极化体积分数f2、弱极化粒子半径a2和弱表面极化系数α2;
6)存储步骤5)所提取的几何参数和物性参数,并分析地下介质的几何特征和物化特性。
2.按照权利要求1所述的方法,其特征在于,步骤1中,多相介质时,广义等效极化模型,包含11个几何-物性参数,为了提高参数提取的精度和速度,将待提取的11个参数区分为围岩电导率σ0、5个强极化介质参数和5个弱极化介质参数;双相介质时,包含围岩电导率σ0和5个强极化介质参数。
3.按照权利要求1所述的方法,其特征在于,通过步骤3约束步骤4中的围岩电导率σ0范围,通过步骤4约束步骤5中的围岩电导率σ0和5个强极化介质参数的范围,粒子群算法搜索范围上下限设为±25%;步骤4的提取维度为6维,步骤5的提取维度为11维。
4.按照权利要求1所述的方法,其特征在于,步骤4)和5)中的量子粒子群优化算法包含以下步骤:
Ⅱ初始化种群个体的数量M、在约束范围内随机产生服从均匀分布的粒子的位置xi(t)=(xi1(t),xi2(t),…,xiD(t)),其中i=1,2,…,M,步骤4)的空间维数D=6,步骤5)的空间维数D=11;
Ⅲ计算各个粒子的适应度fv(i),并初始化个体最优解piD(t)和整体最优解giD(t);
式中,uiD(t)为[0,1]的随机数,若uiD(t)>0.5则为“-”,否则为“+”。
Ⅵ比较每个粒子的适应度值,更新个体最优解piD(t)和整体最优解giD(t);
Ⅶ重复步骤Ⅲ-Ⅵ直至寻到最优值或达到最大迭代次数,输出整体最优解giD(t)。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011484866.6A CN112666618B (zh) | 2020-12-16 | 2020-12-16 | 一种用于多相介质的几何-物性多特征参数提取方法 |
CA3122828A CA3122828C (en) | 2020-12-16 | 2021-06-21 | Squid-based electromagnetic detection method for induction-polarization symbiotic effect of two-phase coducting medium |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011484866.6A CN112666618B (zh) | 2020-12-16 | 2020-12-16 | 一种用于多相介质的几何-物性多特征参数提取方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112666618A true CN112666618A (zh) | 2021-04-16 |
CN112666618B CN112666618B (zh) | 2022-04-19 |
Family
ID=75405337
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011484866.6A Active CN112666618B (zh) | 2020-12-16 | 2020-12-16 | 一种用于多相介质的几何-物性多特征参数提取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112666618B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104570101A (zh) * | 2013-10-09 | 2015-04-29 | 中国石油化工股份有限公司 | 一种基于粒子群算法的avo三参数反演方法 |
CN105044771A (zh) * | 2015-08-05 | 2015-11-11 | 北京多分量地震技术研究院 | 基于有限差分法的三维tti双相介质地震波场数值模拟方法 |
EP3018502A2 (en) * | 2014-11-07 | 2016-05-11 | Services Petroliers Schlumberger | Modeling fluid-conducting fractures in reservoir simulation grids |
US20180128933A1 (en) * | 2016-11-07 | 2018-05-10 | The Climate Corporation | Work layer imaging and analysis for implement monitoring, control and operator feedback |
CN108169802A (zh) * | 2018-03-02 | 2018-06-15 | 吉林大学 | 一种粗糙介质模型的时域电磁数据慢扩散成像方法 |
CN110133733A (zh) * | 2019-04-28 | 2019-08-16 | 吉林大学 | 一种基于粒子群优化算法的电导-极化率多参数成像方法 |
CN111399044A (zh) * | 2020-04-13 | 2020-07-10 | 中国石油大学(北京) | 一种储层渗透率预测方法、装置及存储介质 |
US20200229206A1 (en) * | 2017-12-30 | 2020-07-16 | Intel Corporation | Methods and devices for wireless communications |
-
2020
- 2020-12-16 CN CN202011484866.6A patent/CN112666618B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104570101A (zh) * | 2013-10-09 | 2015-04-29 | 中国石油化工股份有限公司 | 一种基于粒子群算法的avo三参数反演方法 |
EP3018502A2 (en) * | 2014-11-07 | 2016-05-11 | Services Petroliers Schlumberger | Modeling fluid-conducting fractures in reservoir simulation grids |
CN105044771A (zh) * | 2015-08-05 | 2015-11-11 | 北京多分量地震技术研究院 | 基于有限差分法的三维tti双相介质地震波场数值模拟方法 |
US20180128933A1 (en) * | 2016-11-07 | 2018-05-10 | The Climate Corporation | Work layer imaging and analysis for implement monitoring, control and operator feedback |
US20200229206A1 (en) * | 2017-12-30 | 2020-07-16 | Intel Corporation | Methods and devices for wireless communications |
CN108169802A (zh) * | 2018-03-02 | 2018-06-15 | 吉林大学 | 一种粗糙介质模型的时域电磁数据慢扩散成像方法 |
CN110133733A (zh) * | 2019-04-28 | 2019-08-16 | 吉林大学 | 一种基于粒子群优化算法的电导-极化率多参数成像方法 |
CN111399044A (zh) * | 2020-04-13 | 2020-07-10 | 中国石油大学(北京) | 一种储层渗透率预测方法、装置及存储介质 |
Non-Patent Citations (2)
Title |
---|
桂俊川等: "横观各向同性页岩岩石物理模型建立-以龙马溪组页岩为例", 《地球物理学报》 * |
王国权等: "粒子群优化的等效基质模量提取和横波预测方法", 《石油科学通报》 * |
Also Published As
Publication number | Publication date |
---|---|
CN112666618B (zh) | 2022-04-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
West et al. | Interactive seismic facies classification using textural attributes and neural networks | |
He et al. | Transition probability‐based stochastic geological modeling using airborne geophysical data and borehole data | |
Beiki et al. | Eigenvector analysis of gravity gradient tensor to locate geologic bodies | |
Dannemiller et al. | A new method for determination of magnetization direction | |
Tronicke et al. | Crosshole traveltime tomography using particle swarm optimization: A near-surface field example | |
Ekinci et al. | Parameter estimations from gravity and magnetic anomalies due to deep-seated faults: differential evolution versus particle swarm optimization | |
CN110133733B (zh) | 一种基于粒子群优化算法的电导-极化率多参数成像方法 | |
Christensen et al. | Combining airborne electromagnetic and geotechnical data for automated depth to bedrock tracking | |
Cassidy et al. | The application of finite-difference time-domain modelling for the assessment of GPR in magnetically lossy materials | |
CN111221048B (zh) | 基于跨孔电阻率ct多尺度反演的孤石边界识别与成像方法 | |
Dalan et al. | The measurement and analysis of depth in archaeological geophysics: tests at the Biesterfeldt Site, USA | |
Liu et al. | Recognition method of typical anomalies during karst tunnel construction using GPR attributes and Gaussian processes | |
Xu et al. | Fusion of multiple time‐domain GPR datasets of different center frequencies | |
Biswas | Inversion of amplitude from the 2-D analytic signal of self-potential anomalies | |
Alperovich et al. | A new combined wavelet methodology: Implementation to GPR and ERT data obtained in the Montagnole experiment | |
Piro et al. | Beyond image analysis in processing archaeomagnetic geophysical data: case studies of chamber tombs with dromos | |
CN112666618B (zh) | 一种用于多相介质的几何-物性多特征参数提取方法 | |
Zhao et al. | 2D and 3D imaging of a buried prehistoric canoe using GPR attributes: a case study | |
Tronicke et al. | GPR attribute analysis: There is more than amplitudes | |
Li et al. | Integrated geophysical study in the cemetery of Marquis of Haihun | |
Singha et al. | Accounting for tomographic resolution in estimating hydrologic properties from geophysical data | |
Abdulrazzaq et al. | Performance of GPR attribute analysis to detect and characterise buried archaeological targets near Ukhaidir palace, Iraq. | |
AU2016247148A1 (en) | Bipole source modeling | |
Koster et al. | Identifying sedimentary structures and spatial distribution of tsunami deposits with GPR-examples from Spain and Greece | |
Irons et al. | Using nuclear magnetic resonance and transient electromagnetics to characterise water distribution beneath an ice covered volcanic crater: The case of Sherman Crater Mt. Baker, Washington |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |