迭代差分视导数的研究.docxVIP

迭代差分视导数的研究 0 高通滤波一般方法 导数变换在处理异常字段和解释方面发挥着重要作用。这不仅有助于异常的分工和解释，而且还参与了许多位场数据的反演方法。例如，重力全球梯度（zgetal.2002；张凤旭等，2005）、欧洲斯托纳（thompson，1982；reidetal.1990；stvandreid，2010）等。然而，导数转换因子是一个高通滤波，当干扰增加时，计算的稳定性很差。科学家们经常使用低通滤波器来解决这个问题（侯重初，1981；姚长岭等，1997），并普遍认为，在向上延伸的过程中，按压导数变换的高频组件是最方便和实用的（王万银等，2010；张继生等，2011）。然而，这种方法提高了计算的稳定性，但由于中层和低频组件的消弱，计算分辨率显著下降。近年来，迭代法在解决遗传因素计算不稳定问题方面发挥了良好的应用效果（李洪伟，2012），但迭代法不能从根本上解决计算精度与不稳定度之间的矛盾问题（姚长岭等，2012；王燕国，2013）。然而，在复杂的信号抑制方法中，如果采用某种特定的数据分析方法，有效异常的转化能力将得到很大提高，上述矛盾问题将不可避免地解决在一定程度上。在此基础上，本文提出了一种新的算法方法。基于迭代差异的视觉导数。同时，它被应用于位场边界识别方法，并通过模型试验和验证方法验证了该方法的有效性。 1 基于位域的概率论 1.1 基本功能转换因子法 在波数域中,位场导数的波谱可以表示为 其中U 首先构造一个 φ 式中 α、β 均是人为给定的参数( 不仅可以是常数,也可以是随频率变化的滤波,文中均取值为1) , ︱α × φ 利用滤波因子 一般情况下,给定的参数 α、β 均大于等于1,那么( 2) 式可以看出,转换因子 φ 将理论转换因子 φ 将 φ 按如上的迭代补偿模式,则第n次改造值与n - 1 改造值的关系可表示为 根据( 2 ~ 4) 式和递推公式( 5) ,结合数学归纳法很容易得到迭代通式为 上式表明,当迭代次数n趋于无穷大时,迭代得到的第n次改造值 由( 8) 式可以看出,采用迭代法得到的波谱 1.2 视导数的整理 在迭代法的信号压制区,初始迭代次数为n( 很小,可取n = 1) 的导数为 对上式两边进行Fourier变换,整理得: 为了保证计算结果的稳定性,一般 Δn取值较小,则 令 令迭代次数间隔为2Δn的导数为 同样A 其中 仿照上述流程,则迭代差分m次的视导数为 1.3 迭代差分对滤波响应的影响 在位场波数域数据处理中,滤波算子的选择往往决定着计算的稳定性、目标地质体异常的转换程度及异常的分辨能力. 因此,讨论常规导数和视导数的滤波特性则具备重要意义. 从图1 中可以看出: ( 1) 常规导数算子对高频成分起到了显著的放大作用,势必因原始异常中的噪声干扰导致结果稳定性较差; ( 2) 不同迭代差分次数及不同迭代次数间隔情况下的迭代差分视导数算子滤波响应特征相似,均呈现为带通滤波器,对中频成分起到了放大作用,对高频成分起到了压制作用; ( 3) 迭代差分视导数相对于常规导数来说,其滤波算子对低频成分的压制能力更显著; ( 4) 当迭代次数间隔Δn不变时,随着迭代差分次数m的增加,视导数滤波算子的频带变窄,且主峰向低频移动,并对高频成分的压制能力增强; ( 5) 当迭代差分次数m不变时,随着迭代间隔 Δn的增加,滤波算子的主峰向高频移动. 由上可以推出,视导数为带通滤波器,仅对中频成分起到放大作用,较高的迭代差分次数和较小的迭代次数间隔,会使视导数具有较强的计算稳定性. 在理论上,迭代初始次数n、迭代次数间隔 Δn及迭代差分次数m的选择具有随意性,但为确保计算结果的稳定性及异常的分辨能力,建议选取迭代初始次数n = 1,迭代间隔 Δn≤100 与迭代差分次数m满足1≤m≤3. 1.4 对理论重力异常的识别 为对视导数进行验证,这里设计了一个组合模型,在此基础上还进行了算法稳定性试验,并与常规导数结果进行了对比分析,模型体密度均设为1. 0 g/cm 图3 是常规导数和视导数对理论重力异常及添加噪声异常的处理结果. 可以看出,常规垂向一阶导数( 图3Aa) 提高了异常分辨率,对三个地质体均有反映,常规水平一阶导数模可以通过极大值反映出地质体B1 左、B3 右和B2 边界,但对B1 右、B3 左边界却是以极小值展现; 同时由于噪声影响,常规导数( 图3Ba) 已无法显示出地质体的有用信息. 不同迭代差分次数的视导数对理论重力异常的处理结果( 图3Ab-d) 基本完全相同,其垂向一阶视导数( 相对常规导数而言) 更加显著地提高了异常的分辨率,其水平一阶视导数模通过极大值基本可以识别出场源的所有边界; 当原异常含有噪声时,视导数( 图3Bb-d) 显然具备更强的计算稳定性,且随着迭代差分次数的增