CN113970732A - 一种三维频率域探地雷达双参数同步反演方法 - Google Patents
一种三维频率域探地雷达双参数同步反演方法 Download PDFInfo
- Publication number
- CN113970732A CN113970732A CN202111243358.3A CN202111243358A CN113970732A CN 113970732 A CN113970732 A CN 113970732A CN 202111243358 A CN202111243358 A CN 202111243358A CN 113970732 A CN113970732 A CN 113970732A
- Authority
- CN
- China
- Prior art keywords
- representing
- model
- current
- iteration
- dielectric constant
- 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.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
- G01S7/41—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/88—Radar or analogous systems specially adapted for specific applications
- G01S13/885—Radar or analogous systems specially adapted for specific applications for ground probing
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了一种三维频率域探地雷达双参数同步反演方法,包括输入观测数据,设置三维初始模型,并初始化参数;对建立的三维初始模型正演;构建反演目标函数,并分解为两个交替的子问题;初始化介电常数和电导率,得到初始先导模型向量;根据先导模型向量求解子问题1,并更新模型介质参数向量;根据得到的模型介质参数向量求解子问题2,并更新先导模型向量;同步交替进行更新,直到满足反演终止条件,输出反演结果。本发明能够同步更新介电常数和电导率值,以提高反演的效率;改进全变差模型约束方法到全波形反演过程中,增加算法的鲁棒性,结合频率权重因子,采用并行方式实现了3D的GPR定量成像,使成像过程更加高效精确。
Description
技术领域
本发明属于地球物理探测领域,具体涉及一种三维频率域探地雷达双参数同步反演方法。
背景技术
探地雷达(Ground penetrating radar,GPR)是一种对地下异常体、结构和特性或物体内部不可见目标体进行定位的电磁无损探测技术。实际GPR探测中仅仅依靠获取的雷达剖面,即可大致推断探测目标体的位置、大小与尺寸。但是,探底雷达多局限于粗略估计,尚不能给出异常体的介电常数、电导率等参数,实现目标体属性的精准界定。全波形反演(Full waveform inversion,FWI)是新兴起的重要成像手段。GPR全波形反演能够获取介质的介电常数、电导率等物性参数,有助于岩性的精确描述和异常体预测,是重建近地表复杂地质结构的有力工具。
目前FWI已在GPR成像中得到广泛关注与研究,可分为时间域FWI及频率域FWI。在频率域中,通过将数据从低频率反转到高频率,可以在计算期间有效地减少问题的非线性。通过合理地选取少数频率分量数据进行反演,即可达到与时间域反演一致的效果。
鉴于电磁波横向波的3D散射比2D纵波的散射更复杂,模拟数据与模型参数之间非线性更强,而且3D模型中会有更多的地下参数拟合观测数据(多解性更强)。再加上解决3D反演问题需要更大的存储成本,并且其涉及到的正演问题多次计算成本远高于2D,因此现有技术多是关于2D探地雷达数据FWI的研究。然而对于3D变化的物体,2D成像方法限制了FWI的适用性和准确性。
考虑到探地雷达全波形反演是一个高度非线性、不适定问题。Lavoué等在2D频率域GPR全波形反演中引入了Tikhonov正则化,改善了电导率模型中的高振幅振荡现象,然而Tikhonov正则化的反演倾向于产生平滑模型。Watson使用近似的全变差正则化约束介电常数模型,使其反演结果具有尖锐界面,这种近似全变差方法可能不稳定并且反演的收敛性不能保证。因此需要寻找新的方法来进行GPR数据全波形反演。
发明内容
本发明的目的在于提供一种三维频率域探地雷达双参数同步反演方法,该方法能够提高探地雷达反演精度。
本发明提供的这种三维频率域探地雷达双参数同步反演方法,包括如下步骤:
S1.输入观测数据,设置三维初始模型,并初始化参数;
S2.对建立的三维初始模型正演;
S3.构建反演目标函数,并分解为两个交替的子问题,包括子问题1和子问题2,子问题1为求解模型介质参数向量,子问题2为求解先导模型向量;
S4.初始化介电常数和电导率,得到初始先导模型向量;
S5.根据先导模型向量求解子问题1,并更新模型介质参数向量;
S6.根据得到的模型介质参数向量求解子问题2,并更新先导模型向量;
S7.重复步骤S5-S6,同步交替进行更新,直到满足反演终止条件,结束反演并输出反演结果。
所述的步骤S2包括,利用有限单元法对建立的三维初始模型进行正演,具体为采用线性的矢量基函数的有限单元法进行模拟区域的离散,剖分网格为矩形块单元,截断边界处采用各向异性完全匹配层;三维GPR满足的频率域麦克斯韦方程表示为:
求得多源***的线性方程组:
其中,表示与频率相关的所有源公用的系数矩阵;表示离散电场值;表示离散化激励源项;ω表示角频率;ε表示介电常数;σ表示电导率;s表示当前位置的激励源;与频率相关的所有源公用的系数矩阵由所有单元矩阵合成:
其中,表示模型介质参数向量,表示当前介电常数对应的模型介质参数向量;表示当前电导率对应的模型介质参数向量;表示先验模型向量,表示当前介电常数对应的先验模型向量,表示当前电导率对应的先验模型向量;表示数据目标函数;ε表示当前介电常数;σ表示当前电导率;αε、ασ、βε和βσ表示值为正的正则化参数;||·||TV表示全变差算子;将反演目标函数进一步分解为子问题1和子问题2,子问题1为求解模型介质参数向量,子问题2为求解先验模型向量。
所述的子问题1具体为:
其中,表示模型介质参数向量,表示当前介电常数对应的模型介质参数向量;表示当前电导率对应的模型介质参数向量;表示第k次迭代后的模型介质参数向量;表示关于模型介质参数向量的反演目标函数;表示数据目标函数;ε表示当前介电常数;σ表示当前电导率;和表示第k次迭代、值为正的正则化参数;表示第k-1次迭代后当前介电常数对应的先导模型向量,表示第k-1次迭代后当前电导率对应的先导模型向量;其中,第k次迭代的正则化参数和分别为:
其中,和为无量纲数;表示数据目标函数;表示当前介电常数对应的模型介质参数向量;表示当前电导率对应的模型介质参数向量;表示第k-1次迭代后当前介电常数对应的先导模型向量,表示第k-1次迭代后当前电导率对应的先导模型向量。
所述的子问题2包括,子问题2:
其中,ε表示当前介电常数;σ表示当前电导率;βσ和βε表示值为正的正则化参数;||·||TV表示全变差算子;表示第k次迭代后当前介电常数对应的先导模型向量;表示当前介电常数对应的先导模型向量;表示关于当前介电常数对应的先导模型向量的目标函数;表示第k次迭代后的当前介电常数对应的模型介质参数向量;表示第k次迭代后当前介电常数对应的先导模型向量;表示当前介电常数对应的先导模型向量;表示关于当前电导率对应的先导模型向量的目标函数;表示第k次迭代后的当前介电常数对应的模型介质参数向量;其中,第k次迭代的正则化参数和分别为:
和其中,和为无量纲数;表示数据目标函数;表示当前介电常数对应的模型介质参数向量;表示当前电导率对应的模型介质参数向量;表示第k-1次迭代后当前介电常数对应的先导模型向量,表示第k-1次迭代后当前电导率对应的先导模型向量。
其中,表示关于模型介质参数向量的目标函数的梯度;表示数据目标函数;和表示第k次迭代的值为正的正则化参数;表示当前介电常数对应的模型介质参数向量;表示当前电导率对应的模型介质参数向量;表示第k-1次迭代后当前介电常数对应的先验模型向量;表示第k-1次迭代后当前电导率对应的先验模型向量;表示关于当前介电常数对应的模型介质参数向量的数据目标函数的梯度;表示关于当前电导率对应的模型介质参数向量的数据目标函数的梯度;
其中,为模型介质参数向量;Nω表示角频率的最大数量;Ns表示激励源的最大数量;i表示频率编号;r表示激励源编号;为观测数据与模拟数据之间的差值,具体为表示观测数据;表示模拟数据;T表示转置,*表示共轭;表示实部算子;表示离散的电场值;表示阻抗矩阵;表示当前源的接收点的对应位置矩阵;为一个稀疏矩阵,表示阻抗矩阵对当前单元e对应的模型介质参数me的敏感性,为一个对角矩阵,当前单元e对应的系数为非零元素,通过计算得到;其模型介质参数向量me包括介电常数和电导率;
其中,表示当前单元e中当前介电常数ε对应的模型介质参数;ω表示角频率;j表示虚数单位,ε0为自由空间介电常数;为矢量基函数,使用六面体单元对计算区域进行离散时:l,n=1,2,…,12;表示当前单元e内的体积积分;表示当前单元e中当前电导率σ对应的模型介质参数;β表示值为正的正则化参数;σ0为模型背景电导率。
所述的步骤S6具体包括,利用Split-Bregman迭代方法求解子问题2,并进行更新:
子问题2采用统一TV模型表示:
其中,表示先验模型向量,表示当前介电常数对应的先验模型向量,表示当前电导率对应的先验模型向量;表示第k次迭代后的模型介质参数向量;表示第k次迭代后当前介电常数对应的模型介质参数向量;表示第k次迭代后当前电导率对应的模型介质参数向量;||·||TV表示全变差算子;μTV=μTV,ε,μTV,σ,同时μTV、μTV,ε和μTV,σ表示正则化参数;
其中,e表示当前单元;表示先验模型向量在x轴上的梯度;表示先验模型向量在y轴上的梯度;表示先验模型向量在z轴上的梯度;设置辅助变量和分割问题的L1约束项和L2惩罚项分量,得到统一TV模型***的Bregman公式的最优性条件为:
其中,λ=2μTV;μTV=μTV,ε,μTV,σ,同时μTV、μTV,ε和μTV,σ表示正则化参数;表示单位矩阵;表示第k次迭代后的模型介质参数向量;表示三维下的x,y,z三个方向;表示第k次迭代的、方向上的辅助变量;表示第k次迭代的、方向上的Bregman系数,其迭代公式为 表示第k+1次迭代、方向上的Bregman系数;表示第k+1次迭代的、方向上的辅助变量;表示与的向量差在方向上的梯度的转置矩阵;Δ为拉普拉斯算子;表示第k+1次迭代后的先验模型向量;
其中,λ=2μTV;μTV=μTV,ε,μTV,σ,同时μTV、μTV,ε和μTV,σ表示正则化参数;表示收缩系数,表示第k次迭代后的先验模型向量在方向上的梯度;表示第k次迭代后的先验模型向量在x方向上的梯度;表示第k次迭代后的先验模型向量在y方向上的梯度;表示第k次迭代后的先验模型向量在z方向上的梯度;表示第k次迭代的、方向上的Bregman系数;表示第k次迭代的、x方向上的Bregman系数;表示第k次迭代的、y方向上的Bregman系数;表示第k次迭代的、z方向上的Bregman系数。
所述的步骤S7具体为,重复步骤S5-S6,对子问题1和子问题2同步交替进行更新,直到满足设定反演终止条件,结束反演并输出反演结果:设定反演终止条件包括达到设定迭代精度或达到最大的迭代次数;修正的全变差问题交替求解子问题1和子问题2;在第k次迭代中,根据步骤S4使用变量和求解第k次迭代后的模型介质参数向量和表示第k-1次迭代后当前介电常数对应的先导模型向量;表示第k-1次迭代后当前电导率对应的先导模型向量;然后根据步骤S5使用第k次迭代后的模型介质参数向量和求解变量和表示第k次迭代后当前介电常数对应的先导模型向量;表示第k次迭代后当前电导率对应的先导模型向量;得到的变量和在下一个迭代步骤中使用;对于第一个迭代步骤,初始当前介电常数对应的先导模型向量等于初始当前介电常数对应的模型介质参数向量初始当前电导率对应的先导模型向量等于初始当前电导率对应的模型介质参数向量得到反演序列:
本发明提供的这种三维频率域探地雷达双参数同步反演方法,采用有限元求解器来模拟GPR正演问题;使用拟牛顿法中的L-BFGS法求解反演问题,避免了Hessian矩阵的计算;通过参数变换和参数调整因子,便于在相同的下降步骤内能够同步更新介电常数和电导率值,以提高反演的效率;将改进全变差模型约束方法引入到GPR全波形反演过程中,增加算法的鲁棒性,结合频率权重因子,采用并行方式实现了3D的GPR数据的定量成像,使成像过程更加高效精确。
附图说明
图1为本发明方法的流程示意图。
图2a和图2b为本发明实施例的模型1的三维模型示意图。
图3a和图3b为本发明实施例的模型1的全波形反演结果示意图。
图4a和图4b为本发明实施例的模型1的相对数据残差和重构误差示意图。
图5a和图5b为本发明实施例的模型2的三维模型示意图。
图6a、图6b、图6c和图6d为本发明实施例的模型2的不同正则化策略下的全波形反演结果示意图。
具体实施方式
如图1为本发明方法的流程示意图:本发明提供的这种三维频率域探地雷达双参数同步反演方法,包括如下步骤:
S1.输入观测数据,设置三维初始模型,并初始化参数;
S2.对建立的三维初始模型正演;
S3.构建反演目标函数,并分解为两个交替的子问题,包括子问题1和子问题2,子问题1为求解模型介质参数向量,子问题2为求解先导模型向量;
S4.初始化介电常数和电导率,得到初始先导模型向量;
S5.根据先导模型向量求解子问题1,并更新模型介质参数向量;
S6.根据得到的模型介质参数向量求解子问题2,并更新先导模型向量;
S7.重复步骤S5-S6,同步交替进行更新,直到满足反演终止条件,结束反演并输出反演结果。
所述的步骤S2包括,利用有限单元法对建立的三维初始模型进行正演,具体为采用线性的矢量基函数的有限单元法进行模拟区域的离散,剖分网格为矩形块单元,截断边界处采用各向异性完全匹配层:三维GPR满足的频率域麦克斯韦方程表示为:
选用线性的矢量基函数的有限单元法进行离散,截断边界处采用各向异性完全匹配层,经过总体合并得到多源***的线性方程组:
其中,表示与频率相关的所有源公用的系数矩阵;表示离散电场值;表示离散化激励源项;ω表示角频率;ε表示介电常数;σ表示电导率;s表示当前位置的激励源;与频率相关的所有源公用的系数矩阵由所有单元矩阵合成:
其中,表示当前单元e内的体积积分;和为矢量基函数;使用六面体单元对计算区域进行离散时:l,n=1,2,…,12;此处采用了容易实现的矩形块单元。线性***使用直接求解器MUMPS求解,对于给定的介质和频率,仅需要对矩阵进行一次LU分解,有效地实现多个右端项问题求解。
对于单源单个频率的正演算子可描述为:
其中,为模型介质参数向量;Nω表示角频率的数量;Ns表示激励源的数量;ηi表示多频率数据加权因子;ωi表示第i个频率;表示第j个激励源;为观测数据与模拟数据之间的差值,具体为表示观测数据;表示模拟数据;T表示转置,*表示共轭;ηi表示多频率数据加权因子:
其中,表示当前介电常数对应的模型介质参数向量;表示当前电导率对应的模型介质参数向量;εr表示相对介电常数,εr=ε/ε0,ε0为自由空间介电常数,ε为当前介电常数;σr表示相对电导率,σr=σ/σ0,σ0为模型背景电导率,模型背景电导率取设定参考介质的电导率,σ为当前电导率;к表示参数调整因子,用于在优化过程中通过控制相对电导率σr对相对介电常数εr的权重,避免由相对电导率与相对介电常数定义不准确引起反演过程的不确定性。
其中,表示模型介质参数向量;表示当前介电常数对应的模型介质参数向量;表示当前电导率对应的模型介质参数向量;表示先验模型向量,表示当前介电常数对应的先验模型向量,表示当前电导率对应的先验模型向量;表示数据目标函数;表示当前介电常数对应的模型介质参数向量;ε表示当前介电常数;σ表示当前电导率;αε、ασ、βε和βσ表示值为正的正则化参数;||·||TV表示全变差算子;将反演目标函数进一步分解为2个交替最小化子问题:
子问题1:
子问题2:
其中,表示模型介质参数向量;表示当前介电常数对应的模型介质参数向量;表示当前电导率对应的模型介质参数向量;表示第k次迭代后的模型介质参数向量;表示关于模型介质参数向量的目标函数;表示数据目标函数;ε表示当前介电常数;σ表示当前电导率;αε、ασ、αε,σ、βσ和βε表示值为正的正则化参数;表示第k-1次迭代后当前介电常数对应的先验模型向量,表示第k-1次迭代后当前电导率对应的先验模型向量;||·||TV表示全变差算子;表示第k次迭代后当前介电常数对应的先导模型向量;表示当前介电常数对应的先导模型向量;表示关于当前介电常数对应的先导模型向量的目标函数;表示第k次迭代后的当前介电常数对应的模型介质参数向量;表示第k次迭代后当前介电常数对应的先导模型向量;表示当前介电常数对应的先导模型向量;表示关于当前电导率对应的先导模型向量的目标函数;表示第k次迭代后的当前介电常数对应的模型介质参数向量。
子问题1是使用基于Tikhonov正则化和多参数的先验模型,即第k-1次迭代后当前介电常数和当前电导率对应的先导模型向量求解第k次迭代后的模型介质参数向量的全波形反演问题,Tikhonov正则化反演能保证反演的稳定性;
子问题2是进行2次标准的L2-全变差最小化方法求解不同参数的、第k次迭代后当前介电常数对应的模型介质参数向量和当前电导率对应的先验模型向量以保持反演结果,反演结果即第k次迭代后当前介电常数对应的模型介质参数向量和当前电导率对应的模型介质参数向量的分界面清晰;交替迭代求解方程不仅能增强界面的清晰度,同时能保证全波形反演更加稳定。
其中,和为无量纲数,在本实施例中,表示数据目标函数;表示当前介电常数对应的模型介质参数向量;表示当前电导率对应的模型介质参数向量;表示第k-1次迭代后当前介电常数对应的先导模型向量,表示第k-1次迭代后当前电导率对应的先导模型向量;第k次迭代的正则化参数和的迭代方程可以实现正则化因子的自适应选取。
所述的步骤S5具体包括:利用有限内存的BFGS方法对子问题1进行求解,同步更新介电常数模型和电导率模型;
其中,表示第k次迭代后的模型介质参数向量;a(k)为第k次迭代的搜索步长,采用强Wolfe准则的非精确线搜素方法计算;表示第k次迭代的搜索方向,表示逆海森矩阵的近似,可以用两个循环递归算法计算;表示第k次迭代的,关于模型介质参数向量的目标函数的梯度:
其中,表示关于模型介质参数向量的目标函数的梯度;表示数据目标函数;和表示第k次迭代的值为正的正则化参数;表示当前介电常数对应的模型介质参数向量;表示当前电导率对应的模型介质参数向量;表示第k-1次迭代后当前介电常数对应的先导模型向量;表示第k-1次迭代后当前电导率对应的先导模型向量;表示关于当前介电常数对应的模型介质参数向量的数据目标函数的梯度;表示关于当前电导率对应的模型介质参数向量的数据目标函数的梯度。
其中,为模型介质参数向量;Nω表示角频率的最大数量;Ns表示激励源的最大数量;i表示频率编号;r表示激励源编号;为观测数据与模拟数据之间的差值,具体为表示观测数据;表示模拟数据;T表示转置,*表示共轭;表示实部算子;表示离散的电场值;表示阻抗矩阵;表示当前源的接收点的对应位置矩阵;为一个稀疏矩阵,表示阻抗矩阵对当前单元e对应的模型介质参数me的敏感性,为一个对角矩阵,只有当前单元e对应的系数为非零元素,可以通过计算得到。其模型介质参数向量me包括介电常数和电导率。
其中,表示当前单元e中当前介电常数ε对应的模型介质参数;ω表示角频率;j表示虚数单位,ε0为自由空间介电常数;为矢量基函数,使用六面体单元对计算区域进行离散时:l,n=1,2,…,12;表示当前单元e内的体积积分;表示当前单元e中当前电导率σ对应的模型介质参数;β表示值为正的正则化参数;σ0为模型背景电导率。
所述的步骤S6具体为,利用Split-Bregman迭代方法求解子问题2,即两个参数的辅助变量,并对其进行更新,可以采用如下步骤:
子问题2采用如下统一TV模型表示:
其中,表示先验模型向量,表示当前介电常数对应的先验模型向量,表示当前电导率对应的先验模型向量;表示第k次迭代后的模型介质参数向量;表示第k次迭代后当前介电常数对应的模型介质参数向量;表示第k次迭代后当前电导率对应的模型介质参数向量;||·||TV表示全变差算子;μTV=μTV,ε,μTV,σ,μTV,ε和μTV,σ表示正则化参数;
其中,e表示当前单元;表示先验模型向量在x轴上的梯度;表示先验模型向量在y轴上的梯度;表示先验模型向量在z轴上的梯度;子问题2不能直接求解因此需要通过设置辅助变量和分割问题的L1约束项和L2惩罚项分量,得到统一TV模型***的Bregman公式的最优性条件为:
其中,λ=2μTV;μTV=μTV,ε,μTV,σ,同时μTV,ε和μTV,σ表示正则化参数;表示单位矩阵;表示第k次迭代后的模型介质参数向量;表示三维下的x,y,z三个方向;表示第k次迭代的,方向上的辅助变量;表示第k次迭代的,方向上的Bregman系数,其迭代公式为 表示第k+1次迭代,方向上的Bregman系数;表示第k+1次迭代的,方向上的辅助变量;表示与的向量差在方向上的梯度的转置矩阵;Δ为拉普拉斯算子;表示第k+1次迭代后的先验模型向量;
其中,λ=2μTV;μTV=μTV,ε,μTV,σ,同时μTV、μTV,ε和μTV,σ表示正则化参数;表示收缩系数,表示第k次迭代后的先验模型向量在即x、y或z,方向上的梯度;表示第k次迭代后的先验模型向量在x方向上的梯度;表示第k次迭代后的先验模型向量在y方向上的梯度;表示第k次迭代后的先验模型向量在z方向上的梯度;表示第k次迭代的,方向上的Bregman系数;表示第k次迭代的、x方向上的Bregman系数;表示第k次迭代的、y方向上的Bregman系数;表示第k次迭代的,z方向上的Bregman系数。
所述的步骤S7具体为,重复步骤S5-S6,对子问题1和子问题2同步交替进行更新,直到满足设定反演终止条件,结束反演并输出反演结果。设定反演终止条件包括满足迭代精度或达到最大的迭代次数。修正的全变差问题交替求解子问题1和子问题2;在第k次迭代中,根据步骤S4使用变量和求解第k次迭代后的模型介质参数向量和表示第k-1次迭代后当前介电常数对应的先导模型向量;表示第k-1次迭代后当前电导率对应的先导模型向量;然后根据步骤S5使用第k次迭代后的模型介质参数向量和求解变量和表示第k次迭代后当前介电常数对应的先导模型向量;表示第k次迭代后当前电导率对应的先导模型向量;得到的变量和在下一个迭代步骤中使用;对于第一个迭代步骤,初始当前介电常数对应的先导模型向量等于初始当前介电常数对应的模型介质参数向量初始当前电导率对应的先导模型向量等于初始当前电导率对应的模型介质参数向量得到反演序列:
以下结合一个实施案例,对本发明方法进行进一步说明:
如图2a和图2b为本发明实施例的模型1的三维模型示意图。图2a表示本发明实施例的模型1的介电常数εr的三维模型示意图;图2b表示本发明实施例的模型1的电导率的三维模型示意图。地表上方存在0.48m厚的空气层,地下背景介质的介电常数为εr=4和σ=3mS/m。地下0.72m深有4个大小为0.72m×0.72m×0.72m的异常体,两个蓝色异常体的电性参数为εr=1和σ=0;红色异常体为εr=8和σ=10mS/m,计算域由50×50×50网格组成,网格尺寸为0.12m×0.12m×0.12m,PML厚度为0.48m。正演模拟的激励源采用主频为200MHz的Ricker子波,在据地表0.12m的空气层中平均分布121个源和420个接收器(分别用黑色和白色“·”表示),间距分别为0.48m和0.24m,每个源的信号将由所有接收器记录。
该异常体具有较大的对比度,4个异常体之间产生的多重散射以及地面观测方式均增加了反演的复杂性。将5%的高斯噪声添加到观测数据中,反演初始模型为背景均匀介质,反演过程中限定模型中空气层的参数,同时避免源和接收器位置处的奇异性,待求的地下介电常数和电导率的参数为210000个。
该全波形反演试验在Dell Precision T7920工作站上执行,具有双Intel(R)Xeon(R)Platinum 8168CPU,@2.70GHz,物理内存512GB,Windows 10操作***。反演过程中的正演模拟和梯度计算模块在频率上进行了CPU并行加速。选择10个频率数据(即50、60、70、80、100、120、150、180、200和220MHz)进行同步多频反演,经过100次迭代后的相对介电常数和电导率的模型结果如图3所示。反演过程中采用TV正则化,设置参数调节因子κ=1.2,保证反演过程由介电常数起主要引导作用。反演耗时约16.87小时,在整个算法中使用的最大内存为300GB。
如图3a和图3b为本发明实施例的模型1的全波形反演结果示意图。图3a表示本发明实施例的模型1的介电常数全波形反演结果;图3b表示本发明实施例的模型1的电导率的全波形反演结果。如图3a和图3b所示,4个异常体的近似形状和物性参数均被成功地重构。对比图2a与图3a:介电常数的反演结果界面比较清晰,低介电常数异常体的反演结果与真实值基本一致,高介电常数异常体与真实值结果有一定差异;4个异常体上方均出现了相反的伪像。对比图2b与图3b:电导率异常体在体积上有一定的变化,中心位置发生了上移。相对而言,介电常数的重构比电导率的重构更为精确,特别是异常体的界面较为清晰。
如图4a和图4b为本发明实施例的模型1的相对数据残差和重构误差示意图。图4a表示本发明实施例的模型1的相对数据残差;图4b表示本发明实施例的模型1的重构误差。在图4a中,相对数据残差在迭代初期迅速下降,在迭代的中后期朝着最小值下降,并且收敛速度更稳定。图4b中蓝色实线表示的介电常数重构误差曲线较红色虚线表示的电导率重构误差曲线整体要小。根据两个收敛曲线的趋势,在更多的迭代之后可以实现更精确地重构。然而,由于4个异常体的物性参数已得到了较好地重构,更多的迭代次数将会耗费更多的时间。反演结果表明,频率域加权方法的同步多频策略,能有效地重构地下介质的三维分布。
本发明方法的优势如下:
通过上述案例反演结果表明,本发明方法对地面多偏移量噪声数据具有良好的适应性。不仅可以同步反演介电常数和电导率,提高反演精度,并且在异常体界面的清晰度上有所提高。以下结合一个案例进行进一步说明:
如图5a和图5b为本发明实施例的模型2的三维模型示意图。图5a表示本发明实施例的模型2的介电常数的三维模型示意图;图5b表示本发明实施例的模型2的电导率的三维模型示意图。为了观察此算法对于不同深度异常体的反演效果,在图2a和图2b所示的模型1的基础上,改变了其中两个异常体的埋深至1.08m,其余两个保持不变,并且进一步减小四个异常体的距离,3D模型2的示意图如图5所示。其他剖分和测量参数与3D模型1保持一致。在总场合成数据增加SNR=30dB的高斯噪声作为观测数据,其他反演参数与策略与3D模型1保持一致。该算法利用MTV算法提高反演,因此在此基础上开展了标准Tikhonov正则化与MTV正则化反演实验,以对比不同正则化方法在含噪数据的效果。
如图6a、图6b、图6c和图6d为本发明实施例的模型2的不同正则化策略下的全波形反演结果示意图。图6a表示本发明实施例的模型2使用MTV正则化的介电常数的三维模型示意图;图6b表示本发明实施例的模型2使用标准Tikhonov正则化的介电常数的三维模型示意图;图6c表示本发明实施例的模型2使用MTV正则化的电导率的三维模型示意图;图6d表示本发明实施例的模型2使用标准Tikhonov正则化的电导率的三维模型示意图。反演中MTV正则化反演耗时约为15.91小时,标准Tikhonov正则化反演的反演耗时约为21.57小时(比MTV正则化方法长36%),在整个算法中使用的最大内存为300GB。
观察图6可以发现,图6a-图6d中的异常体界面不如图5中的真实模型的界面清晰。图6a及图6c中的界面明显比图6b及图6d中的界面清晰,这表明了FWI和MTV正则化在保持尖锐界面方面比标准Tikhonov正则化更具优势。比较图6a、图6b和图6c、图6d中的结果可发现,相对而言,介电常数的重构比电导率的重构更为精确,这是由于数据对介电常数的灵敏度比电导率高。将反演结果图6c、图6d与图5b的真实电导率模型进行比较,发现电导率异常体在体积上有一定的变化,中心位置发生了上移,此外浅部的两个异常体反演参数更接近真实值。
值得指出的是,与标准Tikhonov正则化相比,MTV正则化反演结果的背景值更接近真实模型。总的来说,反演结果中没有明显的人为噪声,验证了该方法的鲁棒性。为了进一步定量评估反演结果的精度,使用了两种不同的重构误差指标:
表1不同正则化策略下FWI的迭代次数及模型误差参数
方法 | 迭代次数 | MSE(ε<sub>r</sub>) | MSE(σ) | Err<sub>m</sub>(ε<sub>r</sub>) | Err<sub>m</sub>(σ) |
MTV | 72 | 0.058 | 0.149 | 0.117 | 0.240 |
Tikhonov | 71 | 0.061 | 0.172 | 0.252 | 0.595 |
在表1中,列出了两种正则化方案的迭代次数及模型误差参数。结果表明,两种正则化方案的介电常数重构误差均小于电导率重构误差;与标准Tikhonov正则化相比,MTV正则化的FWI具有更低的重构误差。
两种正则化策略下的反演结果表明,基于MTV正则化的方法能够提高介电常数和电导率反演的精度,在异常体界面的清晰度方面优于经典的Tikhonov正则化方法。
Claims (8)
1.一种三维频率域探地雷达双参数同步反演方法,其特征在于包括如下步骤:
S1.输入观测数据,设置三维初始模型,并初始化参数;
S2.对建立的三维初始模型正演;
S3.构建反演目标函数,并分解为两个交替的子问题,包括子问题1和子问题2,子问题1为求解模型介质参数向量,子问题2为求解先导模型向量;
S4.初始化介电常数和电导率,得到初始先导模型向量;
S5.根据先导模型向量求解子问题1,并更新模型介质参数向量;
S6.根据得到的模型介质参数向量求解子问题2,并更新先导模型向量;
S7.重复步骤S5-S6,同步交替进行更新,直到满足反演终止条件,结束反演并输出反演结果。
2.根据权利要求1所述的三维频率域探地雷达双参数同步反演方法,其特征在于所述的步骤S2包括,利用有限单元法对建立的三维初始模型进行正演,具体为采用线性的矢量基函数的有限单元法进行模拟区域的离散,剖分网格为矩形块单元,截断边界处采用各向异性完全匹配层;三维GPR满足的频率域麦克斯韦方程表示为:
求得多源***的线性方程组:
其中,表示与频率相关的所有源公用的系数矩阵;表示离散电场值;表示离散化激励源项;ω表示角频率;ε表示介电常数;σ表示电导率;s表示当前位置的激励源;与频率相关的所有源公用的系数矩阵由所有单元矩阵合成:
3.根据权利要求2所述的三维频率域探地雷达双参数同步反演方法,其特征在于所述的步骤S3,利用已知的实测数据重构地下介质中的模型参数,包括介电常数ε和电导率σ的空间分布;并引入全变差正则化方法,反演目标函数定义为:
4.根据权利要求3所述的三维频率域探地雷达双参数同步反演方法,其特征在于所述的子问题1具体为:
其中,表示模型介质参数向量, 表示当前介电常数对应的模型介质参数向量;表示当前电导率对应的模型介质参数向量;表示第k次迭代后的模型介质参数向量;表示关于模型介质参数向量的反演目标函数;表示数据目标函数;ε表示当前介电常数;σ表示当前电导率;和表示第k次迭代、值为正的正则化参数;表示第k-1次迭代后当前介电常数对应的先导模型向量,表示第k-1次迭代后当前电导率对应的先导模型向量;其中,第k次迭代的正则化参数和分别为:
5.根据权利要求3所述的三维频率域探地雷达双参数同步反演方法,其特征在于所述的子问题2包括,子问题2:
其中,ε表示当前介电常数;σ表示当前电导率;βσ和βε表示值为正的正则化参数;||·||TV表示全变差算子;表示第k次迭代后当前介电常数对应的先导模型向量;表示当前介电常数对应的先导模型向量;表示关于当前介电常数对应的先导模型向量的目标函数;表示第k次迭代后的当前介电常数对应的模型介质参数向量;表示第k次迭代后当前介电常数对应的先导模型向量;表示当前介电常数对应的先导模型向量;表示关于当前电导率对应的先导模型向量的目标函数;表示第k次迭代后的当前介电常数对应的模型介质参数向量;其中,第k次迭代的正则化参数和分别为:
其中,表示关于模型介质参数向量的目标函数的梯度;表示数据目标函数;和表示第k次迭代的值为正的正则化参数;表示当前介电常数对应的模型介质参数向量;表示当前电导率对应的模型介质参数向量;表示第k-1次迭代后当前介电常数对应的先验模型向量;表示第k-1次迭代后当前电导率对应的先验模型向量;表示关于当前介电常数对应的模型介质参数向量的数据目标函数的梯度;表示关于当前电导率对应的模型介质参数向量的数据目标函数的梯度;
其中,为模型介质参数向量;Nω表示角频率的最大数量;Ns表示激励源的最大数量;i表示频率编号;r表示激励源编号;为观测数据与模拟数据之间的差值,具体为 表示观测数据;表示模拟数据;T表示转置,*表示共轭;表示实部算子;表示离散的电场值;表示阻抗矩阵;表示当前源的接收点的对应位置矩阵;为一个稀疏矩阵,表示阻抗矩阵对当前单元e对应的模型介质参数me的敏感性,为一个对角矩阵,当前单元e对应的系数为非零元素,通过计算得到;其模型介质参数向量me包括介电常数和电导率;
7.根据权利要求6所述的三维频率域探地雷达双参数同步反演方法,其特征在于所述的步骤S6具体包括,利用Split-Bregman迭代方法求解子问题2,并进行更新:
子问题2采用统一TV模型表示:
其中,表示先验模型向量, 表示当前介电常数对应的先验模型向量,表示当前电导率对应的先验模型向量;表示第k次迭代后的模型介质参数向量; 表示第k次迭代后当前介电常数对应的模型介质参数向量;表示第k次迭代后当前电导率对应的模型介质参数向量;||·||TV表示全变差算子;μTV=μTV,ε,μTV,σ,同时μTV、μTV,ε和μTV,σ表示正则化参数;
其中,e表示当前单元;表示先验模型向量在x轴上的梯度;表示先验模型向量在y轴上的梯度;表示先验模型向量在z轴上的梯度;设置辅助变量和分割问题的L1约束项和L2惩罚项分量,得到统一TV模型***的Bregman公式的最优性条件为:
其中,λ=2μTV;μTV=μTV,ε,μTV,σ,同时μTV、μTV,ε和μTV,σ表示正则化参数;表示单位矩阵;表示第k次迭代后的模型介质参数向量;z表示三维下的x,y,z三个方向;表示第k次迭代的、方向上的辅助变量;表示第k次迭代的、方向上的Bregman系数,其迭代公式为 表示第k+1次迭代、方向上的Bregman系数;表示第k+1次迭代的、方向上的辅助变量;表示与的向量差在方向上的梯度的转置矩阵;Δ为拉普拉斯算子;表示第k+1次迭代后的先验模型向量;
8.根据权利要求7所述的三维频率域探地雷达双参数同步反演方法,其特征在于所述的步骤S7具体为,重复步骤S5-S6,对子问题1和子问题2同步交替进行更新,直到满足设定反演终止条件,结束反演并输出反演结果:设定反演终止条件包括达到设定迭代精度或达到最大的迭代次数;修正的全变差问题交替求解子问题1和子问题2;在第k次迭代中,根据步骤S4使用变量和求解第k次迭代后的模型介质参数向量和 表示第k-1次迭代后当前介电常数对应的先导模型向量;表示第k-1次迭代后当前电导率对应的先导模型向量;然后根据步骤S5使用第k次迭代后的模型介质参数向量和求解变量和 表示第k次迭代后当前介电常数对应的先导模型向量;表示第k次迭代后当前电导率对应的先导模型向量;得到的变量和在下一个迭代步骤中使用;对于第一个迭代步骤,初始当前介电常数对应的先导模型向量等于初始当前介电常数对应的模型介质参数向量初始当前电导率对应的先导模型向量等于初始当前电导率对应的模型介质参数向量得到反演序列:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111243358.3A CN113970732A (zh) | 2021-10-25 | 2021-10-25 | 一种三维频率域探地雷达双参数同步反演方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111243358.3A CN113970732A (zh) | 2021-10-25 | 2021-10-25 | 一种三维频率域探地雷达双参数同步反演方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113970732A true CN113970732A (zh) | 2022-01-25 |
Family
ID=79588240
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111243358.3A Pending CN113970732A (zh) | 2021-10-25 | 2021-10-25 | 一种三维频率域探地雷达双参数同步反演方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113970732A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115598714A (zh) * | 2022-12-14 | 2023-01-13 | 西南交通大学(Cn) | 基于时空耦合神经网络的探地雷达电磁波阻抗反演方法 |
-
2021
- 2021-10-25 CN CN202111243358.3A patent/CN113970732A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115598714A (zh) * | 2022-12-14 | 2023-01-13 | 西南交通大学(Cn) | 基于时空耦合神经网络的探地雷达电磁波阻抗反演方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Grayver et al. | Three-dimensional parallel distributed inversion of CSEM data using a direct forward solver | |
Rücker et al. | Three-dimensional modelling and inversion of dc resistivity data incorporating topography—I. Modelling | |
CN110968826A (zh) | 一种基于空间映射技术的大地电磁深度神经网络反演方法 | |
CN112949134B (zh) | 基于非结构有限元方法的地-井瞬变电磁反演方法 | |
WO2011139413A1 (en) | Artifact reduction in method of iterative inversion of geophysical data | |
Wang et al. | Multiparameter full-waveform inversion of 3-D on-ground GPR with a modified total variation regularization scheme | |
CN110852025B (zh) | 一种基于超收敛插值逼近的三维电磁慢扩散数值模拟方法 | |
CN112327374B (zh) | Gpu探地雷达复杂介质dgtd正演方法 | |
Song et al. | Fast three-dimensional electromagnetic nonlinear inversion in layered media with a novel scattering approximation | |
CN113970732A (zh) | 一种三维频率域探地雷达双参数同步反演方法 | |
Vatankhah et al. | Improving the use of the randomized singular value decomposition for the inversion of gravity and magnetic data | |
CN113569447B (zh) | 一种基于舒尔补方法的瞬变电磁三维快速正演方法 | |
Guo et al. | Application of supervised descent method for transient EM data inversion | |
CN112346139B (zh) | 一种重力数据多层等效源延拓与数据转换方法 | |
Mannseth et al. | Assimilating spatially dense data for subsurface applications—balancing information and degrees of freedom | |
Scheunert et al. | A cut-&-paste strategy for the 3-D inversion of helicopter-borne electromagnetic data—I. 3-D inversion using the explicit Jacobian and a tensor-based formulation | |
CN115563791B (zh) | 基于压缩感知重构的大地电磁数据反演方法 | |
Varentsov | Modern trends in the solution of forward and inverse 3D electromagnetic induction problems | |
CN116088048A (zh) | 包含不确定性分析的各向异性介质多参数全波形反演方法 | |
Tsourlos et al. | Efficient 2D inversion of long ERT sections | |
CN109655910A (zh) | 基于相位校正的探地雷达双参数全波形反演方法 | |
Zhong et al. | Electrical resistivity tomography with smooth sparse regularization | |
Pirani et al. | Multi-frequency identification of defects in conducting media | |
CN113325482A (zh) | 一种时间域电磁数据反演成像方法 | |
Gebre et al. | L0-norm gravity inversion with new depth weighting function and bound constraints |
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 |