磁异常反演

磁异常反演（精选三篇）

磁异常反演 篇1

磁法勘探是通过观测和分析由岩矿石磁性差异所引起的磁异常, 来研究地质构造、矿产资源或其它探测对象的一种地球物理方法。其中磁异常的反演计算是磁法勘探理论的重要组成部分, 磁异常的反演问题是确定磁性体的赋存空间位置、形态、产状及磁化强度的大小和方向等, 准确判断磁性体的空间赋存形态、对选择计算方法及计算结果至关重要, 在磁异常及磁性体相对简单的情况下, 采用切线法、特征点法等, 方法简单、直观、易行。下面通过两个实例来进行说明。

2 地质概况

东鞍山极东部铁矿, 位于鞍山市西南部。区域内出露地层有太古界鞍山群、下元古界辽河群、上元古界白口系、震旦系, 古生界寒武系以及新生界第三系、第四系。区域内岩浆岩发育, 分布广泛。

昌图县29号矿点位于昌图县东北部, 区内出露有中奥陶系马家沟灰岩、燕山期花岗岩、花岗闪长岩。马家沟灰岩在该区为成矿围岩, 矿体位于接触带上。

3 磁异常反演计算

东鞍山极东部铁矿:从等值线平面图上看, 磁异常以2000n T等值线西端未封闭, 异常呈条带状, 近东西走向, 控制长度约1400m, 最大异常值8225n T, 梯度变化缓, 异常两侧为正磁场。该矿是沉积变质型铁矿 (鞍山式铁矿) 可以看做似二度体, 见图1。选择经验切线法、特征点法计算出矿体顶板埋深560m左右, 矿体顶部厚度346m左右。

昌图县29号矿点, 以磁异常图可以看出, 该异常为正负伴随出现的似等轴状异常, 异常形态规则, 在北东轴向上略长, 不完全是一个等轴状异常, 可近似看作斜磁化球体 (三度体) , 该矿属矽卡岩型铁矿, 见图2, 用球形的反演公式进行定量计算求得R=10/16 (d1+d2) =56m。

4 钻探验证

东鞍山极东部铁矿, (ZK703孔) 钻探验证深度1137.8m, 矿体顶板埋深552m, 矿体顶板厚度366m, 和反演计算结果基本一致。矿体呈薄板状, 向北倾斜, 倾角在55°左右。

昌图县29号矿点, (ZK1孔) 经钻探验证, 在53m外见矿。矿体呈多层状密集排列, 与反演计算结果相近。

5 结论

从计算实例及钻探结果可以看出, 在进行磁性体反演计算时, 准确确定磁性体的空间分布形态是相当重要的, 对计算结果正确与否起决定性作用, 不同的磁性体的空间分布形态, 需要选择相应的反演计算方法。在磁异常及磁性体相对简单的情况下, 采用简单直观的求解办法是可行的, 而且能取得事半功倍的效果。

摘要：本文通过两个实例, 来说明求解磁性地质体的各种参数时, 要首先正确判断磁性体的赋存空间状态, 如:二度体、三度体。然后选择相应的反演计算方法, 才能客观准确地求解出磁性地质体的空间参数, 力求达到理想的效果。

关键词：地质体,磁异常反演计算,效果

参考文献

[1]刘天佑.磁法勘探[M].北京:地质出版社, 2013

磁异常反演 篇2

Occam反演及其在瞬变电磁测深中的应用

Occam反演技术被应用中心回线瞬变电磁测深数据的.反演中.理论模型和实际数据的反演结果表明,利用Occam反演技术可以较为准确地获得地电断面的电阻率分布.一般5次迭代目标函数就可以收敛到5×10-2.

作 者：翁爱华 WENG Ai-hua 作者单位：吉林大学应用地球物理系,长春,130026刊 名：地质与勘探 ISTIC PKU英文刊名：GEOLOGY AND PROSPECTING年，卷(期)：43(5)分类号：P631.3 P628关键词：瞬变电磁测深 中心回线Occam反演 GeoElectro软件系统

磁异常反演 篇3

摘要： 针对地下磁性掩埋物检测时，磁异常信号信噪比低的问题，提出基于小波熵的微弱磁异常信号降噪方法。小波变换对弱磁异常信号进行提取的关键在于确定小波系数的阈值。为此，引入反映信号能量分布特性的小波熵概念和一个调节因子，最终确定阈值，利用软阈值方法处理高频系数。通过计算机仿真对算法进行了检验。结果表明：该算法可以有效地提高信噪比，还原原始信号。

关键词： 磁异常探测； 微弱信号； 小波熵； 降噪

中图分类号： O 441.4文献标识码： Adoi： 10.3969/j.issn.10055630.2013.04.003

引言磁性掩埋物引起的地磁异常信号是地下物体探测的重要信号源。磁异常探测方法是通过检测磁异常信号进行地下掩埋物检测的，属于被动测量，故其简单方便，应用广泛。但在实际探测中，有效磁异常信号通常会被噪声掩埋，直接从时域波形中很难检测到微弱的有效磁异常信号。针对这一问题，本文提出了小波熵的微弱磁异常信号降噪算法，并对算法的有效性进行了检验。1小波熵理论

1.1小波变换小波变换是一个时间和尺度上的局部变换，因而能有效的从信号中提取信息，通过伸缩和平移等运算功能对信号进行多尺度分析[12]。

1.2小波熵熵表示每个符号所提供的平均信息量和信号源的平局不确定性，信号熵值的大小反映了概率分布的均匀性，最大熵代表最大的不确定性[3]。

1.3小波熵去噪原理信号在小波域内其能量主要集中在有限的几个系数内，而噪声的能量分布于整个小波域中。利用信号在不同小波分解尺度上具有不同的小波熵，能够自适应的确定高频系数分量的阈值，从而可以准确地检测出强噪声环境中的弱信号，实现磁异常信号的强噪声去除。

3磁异常信号的小波熵降噪分析

3.1磁异常信号的仿真采用计算机仿真对算法在微弱磁场信号降噪中的有效性进行验证。

3.2小波熵算法仿真验证仿真产生信噪比SNR为-5.6 dB，MSE为5.2×10-4的目标信号与高斯白噪声的混合信号（即原始信号S），该信号能够较准确地反应实际地磁信号的基本特点，如图4（a）所示。可见原始信号被背景噪声掩埋，采用小波熵算法处理后的结果如图4（b）所示，信号形式较原来有所改进，信噪比提升为1.3 dB，MSE减小为1.0×10-4，但是信号不够平滑，噪声仍然很明显。针对此情况，改进阈值的选取准则，增加一个手动调节系数m：λ=mσ2lnN（14）调节设定系数m不同值，比较结果，如图5所示，m系数依次为2、5、20。图4小波熵的处理结果

由图6的处理结果可以看出，m越大小波熵处理后的SNR和MES越好，但是随着m的增大，信号的幅值在衰减，当m=20时，幅值小于0.06 nT。当m=5时，处理后的信号幅值与原始信号接近，而且在[400，600]的采用区间内，能够将原始信号的异常突出。图6含强噪声信号及小波熵处理结果

当信号加入强噪声时，信噪比SNR为-11 dB，MSE为0.002 1的含噪信号如图6所示。原始信号完全被淹没，无法找出磁异常峰值所在位置，利用小波熵算法对信号进行处理，通过调整到m=20时，仍然能够将[400，600]区域内的地磁异常曲线突显出来，但是此时幅值衰减到0.04 nT。4结论本文分析了磁异常信号及其所含噪声的特点，并建立了与真实地磁信号较吻合的噪声模型。利用小波熵算法的降噪原理及特点，从能量的角度综合小波各尺度系数分布的特征，不需要直接处理大量的小波系数，使得小波熵算法有较好的降噪效果。对于含强噪声信号及其他噪声模型，此方法仍然可以较准确地提取磁异常信号，但对于含强噪声信号来说，该算法是以信号幅值衰减为代价实现提取的。

参考文献：

[1]ALBERT B，FRANCIS J N.小波与傅里叶分析基础[M].芮国胜，康健，译.北京：电子工业出版社，2005.

[2]杜杭，王惠南.利用小波变换提高数字全息信噪比[J].光学仪器，2009，31（2）：26-30.

[3]郭兴明，汤丽平.基于小波变换和样本熵的心音识别研究[J].计算机应用研究，2011，27（12）：4555-4557.

[4]KAYSER J，TENKE C E.Principal components analysis of Laplacian waveforms as a generic method for identifying ERP generator patterns：I.Evalation with auditory oddball task[J].Clinical Neurophysiology，2006，117（2）：348-368.

[5]丁玉美，阔永红，高新波.数字信号处理-时域离散随机信号处理[M].西安：西安电子科技大学出版社，2002.

[6]ARIE S，NIZAN S.Magnetic anomaly detection using entropy filter[J].Measurement Science and Technology，2008，19（4）：52-55.

[7]侯宏花，桂志国.基于小波熵的心电信号去噪处理[J].中国生物医学工程学报，2010，29（1）：22-28.

[8]BORIS G，LEV F，BEN Z K.Processing of magnetic scalar gradiometer signals using orthonormalized functions[J].Sensors and Actuators，2002，102（2）：67-75.