时间域航空电磁激发极化参数三维反演研究

时间域航空电磁中心回线(或重叠回线)装置晚期道数据受激电效应影响常出现符号反转现象.这类数据与多个激电参数相关,并且各参数之间灵敏度差异较大,导致反演存在严重的非唯一性.本文提出一种基于Pearson相关性约束和深度学习算法相结合的时间域航空电磁激发极化参数反演策略.该反演策略首先基于深度学习预测时间域航空电磁激电参数,进而给时间常数和频率相关系数一个较小的约束范围后再反演电阻率和极化率,由此大大减少反演的多解性.针对电阻率和极化率的反演,我们采用统计学中Pearson相关系数构建两种物性参数的相关性约束,进一步减少反演多解性.为验证反演策略的有效性,我们对双棱柱模型和拱形模型分别进行反演试算.理论测试结果表明,基于Pearson相关性约束的电阻率和极化率的反演结果比传统的高斯-牛顿反演结果更接近真实模型,而基于深度学习预测时间常数和频率相关系数后的电阻率和极化率反演结果与给定真实时间常数和频率相关系数后的反演结果效果相当.最后,我们对来自澳大利亚的带激电效应的航空电磁实测数据在考虑和不考虑激电效应条件下进行反演,结果表明考虑激电效应的反演无论数据拟合还是地电断面的连续性均得到明显改善.