[go: up one dir, main page]

CN111045089B - 一种增强重磁场边界识别方法 - Google Patents

一种增强重磁场边界识别方法 Download PDF

Info

Publication number
CN111045089B
CN111045089B CN201911328164.6A CN201911328164A CN111045089B CN 111045089 B CN111045089 B CN 111045089B CN 201911328164 A CN201911328164 A CN 201911328164A CN 111045089 B CN111045089 B CN 111045089B
Authority
CN
China
Prior art keywords
small
gravity
square error
mean square
magnetic
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.)
Active
Application number
CN201911328164.6A
Other languages
English (en)
Other versions
CN111045089A (zh
Inventor
高玲举
陈聪
周俊杰
陈涛
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Research Institute of Uranium Geology
Original Assignee
Beijing Research Institute of Uranium Geology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Research Institute of Uranium Geology filed Critical Beijing Research Institute of Uranium Geology
Priority to CN201911328164.6A priority Critical patent/CN111045089B/zh
Publication of CN111045089A publication Critical patent/CN111045089A/zh
Application granted granted Critical
Publication of CN111045089B publication Critical patent/CN111045089B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01VGEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V3/00Electric or magnetic prospecting or detecting; Measuring magnetic field characteristics of the earth, e.g. declination, deviation
    • G01V3/08Electric or magnetic prospecting or detecting; Measuring magnetic field characteristics of the earth, e.g. declination, deviation operating with magnetic or electric fields produced or modified by objects or geological structures or by detecting devices
    • G01V3/081Electric or magnetic prospecting or detecting; Measuring magnetic field characteristics of the earth, e.g. declination, deviation operating with magnetic or electric fields produced or modified by objects or geological structures or by detecting devices the magnetic field is produced by the objects or geological structures
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01VGEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V3/00Electric or magnetic prospecting or detecting; Measuring magnetic field characteristics of the earth, e.g. declination, deviation
    • G01V3/38Processing data, e.g. for analysis, for interpretation, for correction

Landscapes

  • Engineering & Computer Science (AREA)
  • Remote Sensing (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Environmental & Geological Engineering (AREA)
  • Geology (AREA)
  • General Life Sciences & Earth Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Geophysics (AREA)
  • Electromagnetism (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

本发明属于重磁数据处理技术领域,具体涉及一种增强重磁场边界识别方法,包括:步骤一:输入重磁异常测量数据;步骤二:网格化重磁数据,并计算总水平导数异常;步骤三:选取滑动窗口的大小,计算各个小子域的平均值和均方差;步骤四:选取均方差较小的前三个区域,计算三个小子域的总水平导数的均方差;步骤五:输出均方差最小子域的均值;步骤六:求取滑动小子域滤波结果的垂向导数和总水平导数;步骤七:求取滑动小子域滤波结果的倾斜角,输出结果。

Description

一种增强重磁场边界识别方法
技术领域
本发明属于重磁数据处理技术领域,具体涉及一种增强重磁场边界识别方法。
背景技术
重磁异常是地下物质密度和磁性分布不均匀的综合反映,有横向分辨率高的优势,因此利用重磁位场在推断地质目标体的边界位置时有独特的优势。常用的方法有总水平导数法、垂向导数法、解析信号振幅、倾斜角法等,都是利用异常极大值的位置或零值的位置确定目标体的边界,但是此类方法会降低边缘识别的精度,对噪声的压制能力也较弱。国内目前还没有涉及滑动小子域滤波法与倾斜角法的有效结合来识别重磁位场的边界。
因此,需要设计一种增强重磁场边界识别方法,将滑动小子域滤波法与倾斜角法的有效结合用于有效地识别地质体的边界。
发明内容
本发明针对上述现有技术的不足,提供一种增强重磁场边界识别方法,用于解决现有技术中异常极大值位置或零值位置确定目标体的边界时边缘识别精度降低,噪声压制能力较弱的技术问题。
本发明的技术方案:
一种增强重磁场边界识别方法,包括以下步骤:
步骤一:输入重磁异常测量数据;
步骤二:网格化重磁数据,并计算总水平导数异常;
步骤三:选取滑动窗口的大小,计算各个小子域的平均值和均方差;
步骤四:选取均方差较小的前三个区域,计算三个小子域的总水平导数的均方差;
步骤五:输出均方差最小子域的均值;
步骤六:求取滑动小子域滤波结果的垂向导数和总水平导数;
步骤七:求取滑动小子域滤波结果的倾斜角,输出结果。
所述步骤二包括:利用克里金法将测量的重磁数据进行网格化处理,生成规则的网格数据,磁法数据先进行化极处理,然后根据公式(1)求取重磁异常数据的总水平导数异常:
Figure BDA0002328913290000021
式中,f代表重磁异常,fTD代表重磁异常的总水平导数异常。
所述步骤三还包括:两次滑动窗口,大滑动窗口的大小为n,大窗口节点数据5n,内部小子域窗口的大小为k=(n+1)/2,然后小子域的窗口从左到右逐点滑动,直到到达大窗口的最末端;根据公式(2)、(3)计算各个小子域的均方差作为判别准则;
Figure BDA0002328913290000022
Figure BDA0002328913290000023
式中,f代表重磁异常,
Figure BDA0002328913290000026
表示小子域的平均值,δ代表小子域的均方差。
所述步骤四还包括:在布设的k2个小子域内选取数据均方差较小的前3个小子域作为目标区;根据公式(2)和公式(4)计算选定的3个小子域总水平导数的均值和均方差;
Figure BDA0002328913290000024
式中,fTD代表重磁异常的总水平导数异常,
Figure BDA0002328913290000025
代表小子域内总水平导数的平均值,δTD代表小子域内总水平导数的均方差。
所述步骤五还包括:在选定的3个小子域中选取水平导数均方差最小子域的均值
Figure BDA0002328913290000033
作为最后的输出结果;大窗口从左到右滑动到下一点直至完成全区的计算,得到滑动小子域滤波的结果。
所述步骤六还包括:利用公式(1)和公式(5)求取滑动小子域滤波结果的总水平导数异常MSSfTD与垂向一阶导数MSSfVZ
Figure BDA0002328913290000031
式中,fvz代表重磁异常的垂向一阶导数。
所述步骤七还包括:利用公式(6)求取滑动小子域滤波结果的倾斜角;
Figure BDA0002328913290000032
根据计算结果,利用零值的位置即可识别出地质体边界的位置。
本发明的有益效果为:
本发明设计的一种增强重磁场边界识别方法中滑动小子域滤波倾斜角法能够均衡不同深度异常的幅值,在重磁场中对边界的增强效果最好,能够增强和放大微弱信息的识别和提取,更能突出地质体的边界信息,使输出的结果更加准确和稳定,能够快速有效的识别出地质体的边界。
附图说明
图1为本发明设计的一种增强重磁场边界识别方法的流程图;
图2为滑动小子域的剖分示意图;
图3为滑动小子域的分解方法示意图。
具体实施方式
下面结合附图和实施例对本发明设计的一种增强重磁场边界识别方法进行详细说明:
一种增强重磁场边界识别方法,包括以下步骤:
步骤一:输入重磁异常测量数据;
步骤二:网格化重磁数据,并计算总水平导数异常;
步骤三:选取滑动窗口的大小,计算各个小子域的平均值和均方差;
步骤四:选取均方差较小的前三个区域,计算三个小子域的总水平导数的均方差;
步骤五:输出均方差最小子域的均值;
步骤六:求取滑动小子域滤波结果的垂向导数和总水平导数;
步骤七:求取滑动小子域滤波结果的倾斜角,输出结果。
所述步骤二包括:利用克里金法将测量的重磁数据进行网格化处理,生成规则的网格数据,磁法数据先进行化极处理,然后根据公式(1)求取重磁异常数据的总水平导数异常:
Figure BDA0002328913290000041
式中,f代表重磁异常,fTD代表重磁异常的总水平导数异常。
所述步骤三还包括:两次滑动窗口,大滑动窗口的大小为n,大窗口节点数据5n,内部小子域窗口的大小为k=(n+1)/2,然后小子域的窗口从左到右逐点滑动,直到到达大窗口的最末端;根据公式(2)、(3)计算各个小子域的均方差作为判别准则;
Figure BDA0002328913290000042
Figure BDA0002328913290000043
式中,f代表重磁异常,
Figure BDA0002328913290000044
表示小子域的平均值,δ代表小子域的均方差。
所述步骤四还包括:在布设的k2个小子域内选取数据均方差较小的前3个小子域作为目标区;根据公式(2)和公式(4)计算选定的3个小子域总水平导数的均值和均方差;
Figure BDA0002328913290000051
式中,fTD代表重磁异常的总水平导数异常,
Figure BDA0002328913290000052
代表小子域内总水平导数的平均值,δTD代表小子域内总水平导数的均方差。
所述步骤五还包括:在选定的3个小子域中选取水平导数均方差最小子域的均值
Figure BDA0002328913290000056
作为最后的输出结果;大窗口从左到右滑动到下一点直至完成全区的计算,得到滑动小子域滤波的结果。
所述步骤六还包括:利用公式(1)和公式(5)求取滑动小子域滤波结果的总水平导数异常MSSfTD与垂向一阶导数MSSfVZ
Figure BDA0002328913290000053
式中,fvz代表重磁异常的垂向一阶导数。
所述步骤七还包括:利用公式(6)求取滑动小子域滤波结果的倾斜角;
Figure BDA0002328913290000054
根据计算结果,利用零值的位置即可识别出地质体边界的位置。
实施例:以二连盆地某地区航磁ΔT异常数据为实施例进行说明:
步骤一、二:将二维离散的航磁ΔT异常数据在surfer中利用克里金法进行网格化处理,其中网格化的参数为网格间距为2.5km,搜索半径为25km,生成161×101的网格数据。对航磁ΔT异常数据进行化极处理,磁化倾角为61.12°,磁化偏角为-5.19°。然后在根据公式(1)求取航磁ΔT异常数据的总水平导数异常
Figure BDA0002328913290000055
式中,f代表重磁异常,fTD代表重磁异常的总水平导数异常。
步骤三:本次大滑动窗口的大小为n(n=5),大窗口节点数据25,内部的小子域窗口的大小为k=(n+1)/2(k=3),然后小子域的窗口从左到右逐点滑动,如附图3所示;
步骤四:滑动小子域滤波的过程:利用下面的公式(2)和公式(3)计算9个小子域的均方差;
Figure BDA0002328913290000061
Figure BDA0002328913290000062
式中,f代表航磁ΔT化极异常数据,
Figure BDA0002328913290000063
表示9个小子域航磁ΔT化极异常数据的平均值,δ代表9个小子域航磁ΔT化极异常数据的均方差。
在布设的k2(9)个小子域内选取数据均方差较小的前3个小子域作为目标区;利用公式(2)和公式(4)计算3个小子域航磁ΔT化极异常数据总水平导数的均值和均方差;
Figure BDA0002328913290000064
式中,fTD代表航磁ΔT化极异常数据的总水平导数,
Figure BDA0002328913290000065
代表小子域内总水平导数的平均值,δTD代表小子域内总水平导数的均方差。
步骤五:在选定的3个小子域中选取总水平导数均方差最小的子域,将这个小子域所对应的平均值
Figure BDA0002328913290000066
作为最后的输出结果,即大窗口中心点的值;大窗口,窗口的大小仍为5从左到右滑动到下一点直至完成全区的计算,得到滑动小子域滤波的结果(NSSf);
步骤六:利用公式(1)和公式(5)求取滑动小子域滤波结果的总水平导数异常MSSfTD与垂向一阶导数MSSfVZ
Figure BDA0002328913290000071
Figure BDA0002328913290000072
步骤七:利用公式(6)求取滑动小子域滤波结果的倾斜角;
Figure BDA0002328913290000073
根据计算结果,利用零值的位置即可识别出地质体边界的位置。

Claims (5)

1.一种增强重磁场边界识别方法,其特征在于:包括以下步骤:
步骤一:输入重磁异常测量数据;
步骤二:网格化重磁数据,并计算总水平导数异常;
步骤三:选取滑动窗口的大小,计算各个小子域的平均值和均方差;
步骤四:选取均方差较小的前三个区域,计算三个小子域的总水平导数的均方差;
步骤五:输出均方差最小子域的均值;
步骤六:求取滑动小子域滤波结果的垂向导数和总水平导数;
步骤七:求取滑动小子域滤波结果的倾斜角,输出结果;
所述步骤三还包括:两次滑动窗口,大滑动窗口的大小为n,大窗口节点数据5n,内部小子域窗口的大小为k=(n+1)/2,然后小子域的窗口从左到右逐点滑动,直到到达大窗口的最末端;根据公式(2)、(3)计算各个小子域的均方差作为判别准则;
Figure 260141DEST_PATH_IMAGE001
Figure 963654DEST_PATH_IMAGE002
…… (2)
Figure 649851DEST_PATH_IMAGE003
Figure 387999DEST_PATH_IMAGE004
…… (3)
式中,f代表重磁异常,
Figure 501449DEST_PATH_IMAGE005
表示小子域的平均值,δ代表小子域均方差;
所述步骤四还包括:在布设的k2子域内选取数据均方差较小的前3个小子域作为目标区;根据公式(2)和公式(4)计算选定的3个小子域总水平导数的均值和均方差;
Figure 816893DEST_PATH_IMAGE006
Figure 41201DEST_PATH_IMAGE007
…… (4)
式中,
Figure 368277DEST_PATH_IMAGE008
代表重磁异常的总水平导数异常,
Figure 652628DEST_PATH_IMAGE009
代表小子域内总水平导数的平均值,
Figure 330734DEST_PATH_IMAGE010
表小子域内总水平导数的均方差。
2.根据权利要求1所述的一种增强重磁场边界识别方法,其特征在于:所述步骤二包括:利用克里金法将测量的重磁数据进行网格化处理,生成规则的网格数据,磁法数据先进行化极处理,然后根据公式(1)求取重磁异常数据的总水平导数异常:
Figure 624312DEST_PATH_IMAGE011
…… (1)
式中,
Figure 805894DEST_PATH_IMAGE012
代表重磁异常,
Figure 136513DEST_PATH_IMAGE013
代表重磁异常的总水平导数异常。
3.根据权利要求1所述的一种增强重磁场边界识别方法,其特征在于:所述步骤五还包括:在选定的3个小子域中选取水平导数均方差最小子域的均值
Figure 36336DEST_PATH_IMAGE014
作为最后的输出结果;大窗口从左到右滑动到下一点直至完成全区的计算,得到滑动小子域滤波的结果。
4.根据权利要求3所述的一种增强重磁场边界识别方法,其特征在于:所述步骤六还包括:利用公式(1)和公式(5)求取滑动小子域滤波结果的总水平导数异常
Figure 868025DEST_PATH_IMAGE015
与垂向一阶导数
Figure 435273DEST_PATH_IMAGE016
Figure DEST_PATH_IMAGE017
…… (5)
式中,
Figure 61426DEST_PATH_IMAGE018
代表重磁异常的垂向一阶导数。
5.根据权利要求4所述的一种增强重磁场边界识别方法,其特征在于:所述步骤七还包括:利用公式(6)求取滑动小子域滤波结果的倾斜角;
Figure DEST_PATH_IMAGE019
…… (6)
根据计算结果,利用零值的位置即可识别出地质体边界的位置。
CN201911328164.6A 2019-12-20 2019-12-20 一种增强重磁场边界识别方法 Active CN111045089B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911328164.6A CN111045089B (zh) 2019-12-20 2019-12-20 一种增强重磁场边界识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911328164.6A CN111045089B (zh) 2019-12-20 2019-12-20 一种增强重磁场边界识别方法

Publications (2)

Publication Number Publication Date
CN111045089A CN111045089A (zh) 2020-04-21
CN111045089B true CN111045089B (zh) 2022-07-26

Family

ID=70238213

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911328164.6A Active CN111045089B (zh) 2019-12-20 2019-12-20 一种增强重磁场边界识别方法

Country Status (1)

Country Link
CN (1) CN111045089B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112347421A (zh) * 2020-10-16 2021-02-09 中国地质调查局沈阳地质调查中心 突出与增强断裂线状重力异常信息的方法与系统
CN112464521B (zh) * 2020-10-28 2024-05-28 中国石油天然气集团有限公司 走滑断裂确定方法及装置
CN112666615B (zh) * 2020-12-17 2021-09-14 中国自然资源航空物探遥感中心 基于Tilt法获取精确航空磁测数据的方法、装置
CN113866836B (zh) * 2021-11-23 2023-10-20 重庆大学 一种基于归一化磁异常导数标准差的多目标边界识别方法
CN116009100A (zh) * 2023-02-08 2023-04-25 核工业北京地质研究院 一种重磁位场边界弱信息提取方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105807323B (zh) * 2016-03-09 2018-05-18 哈尔滨工程大学 一种利用小子域识别算法确定磁性目标位置的方法

Also Published As

Publication number Publication date
CN111045089A (zh) 2020-04-21

Similar Documents

Publication Publication Date Title
CN111045089B (zh) 一种增强重磁场边界识别方法
CN107783187B (zh) 一种将测井速度和地震速度结合建立三维速度场的方法
CN103926617B (zh) 一种缝洞储集体的检测方法和检测装置
CN110414060B (zh) 一种基于四阶谱矩的位场边界识别方法
Baba et al. Enhancing geophysical signals through the use of Savitzky-Golay filtering method
CN103954995B (zh) 一种砂岩型铀矿勘查中的砂体识别方法
CN105388518B (zh) 一种质心频率与频谱比联合的井中地震品质因子反演方法
CN107748399B (zh) 利用重力界面反演识别山前带深部构造层方法
Wang et al. The gravity matching area selection criteria for underwater gravity-aided navigation application based on the comprehensive characteristic parameter
CN104698497A (zh) 一种砂泥岩薄互层层位的精细标定方法
CN105738952B (zh) 一种水平井区储层岩石相建模方法
NO20140524A1 (no) Inversjonsbasert arbeidsflyt for å behandle kjernetetthetsbilder i steilvinklede og horisontale brønner
CN105911592B (zh) 一种实钻约束的三维地震资料长波长静校正方法
Williams et al. Comparison of grid Euler deconvolution with and without 2D constraints using a realistic 3D magnetic basement model
CN110703347B (zh) 基于构造背景的重力断裂影像识别方法
Abdelrahman et al. A least-squares minimization approach to depth determination from magnetic data
CN114609675A (zh) 基于高频旋回对碳酸盐岩地层沉积微地貌的定量恢复方法
CN108008456B (zh) 一种圈定热液型铀矿深部三维重点铀成矿有利靶区的方法
CN109885927B (zh) 一种地层径向电阻率连续反演方法
CN106869919B (zh) 一种三角洲前缘薄油藏识别方法
CN116009100A (zh) 一种重磁位场边界弱信息提取方法
CN107664771A (zh) 一种基于相似性系数的微地震全波形定位方法
CN106522919A (zh) 三探头密度测井的围岩校正方法及装置
CN116755148A (zh) 正交各向异性介质多方位反射波走时反演方法
CN112649880B (zh) 砾岩下伏构造变速成图方法及装置

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