[发明专利]一种减小电磁测深反演结果非唯一性的方法

说明书

技术领域

本发明涉及地球物理勘探方法，是电磁勘探数据处理技术，具体是一种减小电磁测深反演结果的非唯一性的方法。

背景技术

电磁测深是一种通过在地面观测电磁场的变化来了解地下介质电阻率的变化情况的地球物理勘探方法。近年来，理论研究和计算机技术快速发展，由采集的频率-电阻率数据转换为深度-电阻率数据的反演方法层出不穷，二维层状模型反演、二维连续介质反演，甚至三维反演方法等也逐步成熟起来，计算速度大大提高，可以比较快速获得地下地电模型，使电磁测深方法在地震勘探困难区，如山前带、火成岩出露区、表层砾石区、碳酸盐岩地区、黄土塬覆盖区取得了较好的勘探效果，弥补了地震勘探资料的不足。

但是，无论是二维反演还是三维反演，即使拟合误差很小，获得的反演结果往往也与实际地下电性结构不完全相符，究其原因还是由于地球物理反演的非唯一性造成的，即地球物理测量数据有多个模型与之对应，电磁测深反演的非唯一性更是无法避免。

如何减小反演结果的非唯一性一直是地球物理学者努力的方向，其中，研究最多的是反演算法的优化，但结果也不能完全令人满意。这一直是电磁测深反演成果难以满足实际生产需要的原因。

发明内容

本发明目地是提供一种可获得接近复杂区目标体的真实模型、减小电磁测深反演结果非唯一性的方法。

本发明通过以下步骤实现：

1）采集工区电磁测深数据，对每条测线做不同反演处理，获得至少2个以上二维反演深度-电阻率模型；

所述的不同反演处理是采用二维澳柯玛（Occam）反演或二维快速松弛（RRI）反演或二维共轭梯度反演或二维视模反演或二维正则化反演或二维广义逆反演或二维模拟退火反演。

2）对步骤1）二维反演深度-电阻率模型进行规则化处理，得到规则化二维深度-电阻率模型反演结果；

所述的规则化处理是对所有步骤1）得到的二维反演深度-电阻率模型由地面到地下深度范围内，按照相同的深度间隔、剖面间隔，进行插值处理，找出所有电阻率值的最小值（RHOmin）和最大值(RHOmax)，对每个电阻率值（RHOij）按照公式（RHOij-RHOmin）/(RHOmax-RHOmin）进行规则化。

所述的地下深度视勘探目标体埋深情况可以调整，为5-20km；最佳为10km。

所述的深度间隔为50-200m；最佳为100m。

所述的剖面测点间隔为50-200m；最佳为100m。

3）确定学习样本和目标样本；

将规则化后的反演结果有钻井或地震剖面资料的位置作为已知资料点，在已知资料点附近范围内选取1-3个点作为学习样本；

所述的学习样本已知资料点附近范围是100-300m。

所述的学习样本的1-3个点来自步骤1）不同反演模型。

如果测井电阻率曲线深度不足10km，不足部分用步骤1）不同的反演模型的平均值代替，按照步骤2）的规则化处理，按照步骤2）的深度范围，步骤2）深度间隔进行插值；求出测井电阻率曲线的最小值RHOmin，最大值RHOmax，将每个电阻率值RHOij按照步骤2）的公式进行规则化，得到已知资料点的目标样本。

如果没有钻井资料，选择解释后的地震剖面建立地层分层模型，然后根据探区物性分析获得地层电阻率基本数据，建立分层的电阻率模型，把地震剖面上离电磁测深剖面最近的点或与电磁测深交叉的点的电阻率分层模型作为标定模型，按照以上插值和规则化处理进行规则化，得到已知资料点的目标样本。

4）建立BP神经元网络系统；

所述的建立BP神经元网络系统是：将每个学习样本每个深度点的数据依次输入到神经元网络，对应地输入目标样本，启动BP神经元网络进行训练，如果拟合误差达到了设定的误差，或者达到了最大的迭代次数则终止训练，就建立了BP神经元网络系统。

所述的BP神经元网络系统,不同反演方法得到的不同二维反演深度-电阻率模型，模型数为输入层神经元数；隐层神经元数为10-15个，输出层神经元数为1个。

所述的每个深度点的数据是步骤1）不同反演模型的数据。

所述的设定的误差为0.001。

所述的最大的迭代次数为1000次。