井地三维电阻率混合智能反演成像技术

Borehole-surface electrical exploration is an effective way of deep exploration and precise subsurface exploration. This project presents a joint inversion with different devices and field sources. the surface exploration has large amount of data and the borehole-surface exploration has rich deep information, the joint inversion combines the advantages of the two exploration methods. The forward and inversion methods with restrained regularization of 3D resistivity based on wavelet FEM are researched. The wavelet FEM can reduce the storage volume required in computing and the morbid degree of equation. The nonlinear inversion based on optimized neural network is studied, which integrates the optimal performance of nonlinear approaches (e.g.,bioinspired computing, chaos theory) and the computational efficiency of linear approaches ( e.g.,Least-square method). The hybird intelligence inversion based on regularization inversion and fully nonlinear inversion is researched, which using multigrid parallel computing algorithm to solve the large sparse system of linear equations in forward and inversion processes and train and test the neural network in parallel. The parallel computation can greatly accelerate computation speed and provide technical support for the large-scale domain 3D resistivity inversion.

井地电法勘探是深部勘探和浅地表精细勘探的有效方法，本项目提出地面三维电法勘探、井地三维勘探以及井井三维勘探数据融合，结合地面数据勘探数据量大、井地勘探深部信息丰富的优势，实现不同装置，不同场源类型的探测信息的联合反演。开展基于小波有限元的三维电阻率带约束正则化正反演方法研究。利用小波有限元的特点，有效减少正反演过程中数据存储量以及方程的病态程度，提高算法的性能。开展基于仿生计算和混沌理论优化神经网络完全非线性反演方法研究，采用多种线性和非线性方式来优化神经网络，综合非线性（仿生计算和混沌理论）优化方法的优化性能和线性优化方法（最小二乘）方法的计算效率，开展基于GPU+CPU的正则化反演和完全非线性反演相结合的混合智能反演方法研究，多重网格并行算法来求解正反演运算过程中的大型稀疏线性方程组和实现神经网络的并行训练和测试，大大提高了正反演的计算速度，为大区域三维电阻率反演提供技术支持。

井地电位法采用井中供电，地表观测，能够极大地弥补地面电法分辨率随电极距离的增加而呈指数规律急剧下降的缺陷，是一种新型高效的勘探方法。本项目针对井地三维电阻率勘探的有限元正演和混合智能反演开展研究，取得了一系列的研究成果，具体包括：(1) 研究了任意线源异常电位的有限单元法正演，采用按行压缩的刚度矩阵存储和对称超松弛预条件共轭梯度法实现了高效的三维正演模拟计算；(2) 研究了以神经网络和演化计算为核心技术的混合智能反演算法，从样本库构建、反演建模和算法优化三个方面设计了一套完整的混合智能反演框架；(3) 采用聚类算法对视电阻率数据进行无监督学习，并将提取的先验信息指导神经网络样本的设计；(4) 结合正则化技术和神经网络，构造了贝叶斯正则化神经网络反演模型，利用贝叶斯正则化剪枝了神经网络结构，获得了鲁棒的神经网络反演模型；(5) 采用粒子群算法、差分进化算法等演化算法对神经网络反演模型进行训练和优化，提高了神经网络的非线性寻优能力；(6) 引入主成分-正则化极限学习机模型对超高密度电阻率成像进行反演，采用主成分分析法压缩高维样本数据，通过求解Moore-Penrose广义逆提高反演效率；(7) 基于CUDA并行计算框架设计了非线性智能混合反演算法的GPU并行计算方案，提高了非线性反演的计算效率；(8) 设计了一套非接地式超高密度电法勘探装置，该装置采用非接触式电极进行测量，因此无需埋设电极，可以在传统直流电法测量无法施工的环境下进行测量，同时不破坏被测目标体，施工方便且效率高；(9) 项目研究发表了论文21篇，其中SCI论文检索10篇，EI检索7篇，申请发明专利2项，培养毕业研究生12名，参加国际会议9次。通过本项目的实施，形成了一套具有实际应用价值的井地电位法正演模拟和反演成像方法，为大规模，高精度的三维电阻率反演提供了理论基础和技术支撑。