井地三維電阻率混合智慧型反演成像技術

《井地三維電阻率混合智慧型反演成像技術》是依託中南大學，由戴前偉擔任項目負責人的面上項目。

基本介紹

• 中文名：井地三維電阻率混合智慧型反演成像技術
• 項目類別：面上項目
• 項目負責人：戴前偉
• 依託單位：中南大學

項目摘要

井地電法勘探是深部勘探和淺地表精細勘探的有效方法，本項目提出地面三維電法勘探、井地三維勘探以及井井三維勘探數據融合，結合地面數據勘探數據量大、井地勘探深部信息豐富的優勢，實現不同裝置，不同場源類型的探測信息的聯合反演。開展基於小波有限元的三維電阻率帶約束正則化正反演方法研究。利用小波有限元的特點，有效減少正反演過程中數據存儲量以及方程的病態程度，提高算法的性能。開展基於仿生計算和混沌理論最佳化神經網路完全非線性反演方法研究，採用多種線性和非線性方式來最佳化神經網路，綜合非線性（仿生計算和混沌理論）最佳化方法的最佳化性能和線性最佳化方法（最小二乘）方法的計算效率，開展基於GPU+CPU的正則化反演和完全非線性反演相結合的混合智慧型反演方法研究，多重格線並行算法來求解正反演運算過程中的大型稀疏線性方程組和實現神經網路的並行訓練和測試，大大提高了正反演的計算速度，為大區域三維電阻率反演提供技術支持。

結題摘要

井地電位法採用井中供電，地表觀測，能夠極大地彌補地面電法解析度隨電極距離的增加而呈指數規律急劇下降的缺陷，是一種新型高效的勘探方法。本項目針對井地三維電阻率勘探的有限元正演和混合智慧型反演開展研究，取得了一系列的研究成果，具體包括：(1) 研究了任意線源異常電位的有限單元法正演，採用按行壓縮的剛度矩陣存儲和對稱超鬆弛預條件共軛梯度法實現了高效的三維正演模擬計算；(2) 研究了以神經網路和演化計算為核心技術的混合智慧型反演算法，從樣本庫構建、反演建模和算法最佳化三個方面設計了一套完整的混合智慧型反演框架；(3) 採用聚類算法對視電阻率數據進行無監督學習，並將提取的先驗信息指導神經網路樣本的設計；(4) 結合正則化技術和神經網路，構造了貝葉斯正則化神經網路反演模型，利用貝葉斯正則化剪枝了神經網路結構，獲得了魯棒的神經網路反演模型；(5) 採用粒子群算法、差分進化算法等演化算法對神經網路反演模型進行訓練和最佳化，提高了神經網路的非線性尋優能力；(6) 引入主成分-正則化極限學習機模型對超高密度電阻率成像進行反演，採用主成分分析法壓縮高維樣本數據，通過求解Moore-Penrose廣義逆提高反演效率；(7) 基於CUDA並行計算框架設計了非線性智慧型混合反演算法的GPU並行計算方案，提高了非線性反演的計算效率；(8) 設計了一套非接地式超高密度電法勘探裝置，該裝置採用非接觸式電極進行測量，因此無需埋設電極，可以在傳統直流電法測量無法施工的環境下進行測量，同時不破壞被測目標體，施工方便且效率高；(9) 項目研究發表了論文21篇，其中SCI論文檢索10篇，EI檢索7篇，申請發明專利2項，培養畢業研究生12名，參加國際會議9次。通過本項目的實施，形成了一套具有實際套用價值的井地電位法正演模擬和反演成像方法，為大規模，高精度的三維電阻率反演提供了理論基礎和技術支撐。