摘要：针对传统反演方法存在的初始模型依赖、计算时间较长等问题,提出了一种新的基于AlexNet深度神经网络的重力异常反演方法。该方法首先借鉴经典的深度神经网络AlexNet设计了一种用于重力异常反演的Alex反演网络(AlexInvNet),接着设计大量密度异常体模型并通过正演计算得到带标签的数据集,然后用该数据集训练AlexInvNet网络,最后将重力异常数据输入训练好的AlexInvNet网络直接得到反演结果。理论模型反演结果表明,该方法相较于全连接网络深度学习反演方法,能够更好地反演出异常体的位置和密度,具有较好的泛化能力和抗噪声能力。实测数据反演结果表明,该方法能有效解决重力异常反演问题。

摘要：在重力异常分离中,频率域滤波分离方法是以全局数据频谱特征设计针对性的滤波器实现的.滤波器参数与空间位置无关,因此无法针对局部数据频谱特征动态调整滤波器参数.针对该局限性,在小波域滤波理论和优化滤波方法的基础上,本文研究提出了小波域优化位变滤波法,该方法具有空间变化滤波能力,在不同空间位置实现不同的滤波器特性,从而能实现局部数据频谱与全局数据频谱存在较大差异的重力异常分离问题.理论模型数据分离实验结果表明,在局部数据频谱与全局数据频谱差异较大的情况下,该方法相对于Butterworth滤波和优化滤波等方法具有优势.最后,用一个实例进行检验计算,体现了所提方法技术的效果和应用前景.

摘要：重力异常和垂线偏差是测高卫星非常重要的产品。二者的精度指标对于未来的测高卫星方案设计至关重要。本文利用球谐函数来对重力异常和垂线偏差的精度指标进行讨论,首先从理论上推导了重力异常和垂线偏差误差的近似匹配关系,然后通过6个超高阶重力场模型验证了有关结论的正确性。数值试验表明:垂线偏差误差和重力异常误差满足近似的比例关系,即若垂线偏差各方位向等精度测量,且假定精度均为1μrad,则所对应的重力异常精度约为1.4mGal;反之,若重力异常的精度为1mGal,则所对应的垂线偏差的精度约为0.7μrad。

摘要：扩展卡尔曼滤波技术可以利用序列观测重力异常数据以及航行区域重力异常基准图来校正惯性导航系统漂移误差。针对因重力测量环境的变化、测量仪器扰动等因素造成的重力异常观测噪声不确定问题,提出了基于量测残差自适应估计观测噪声协方差(residual-based adaptive estimation,RAE)的重力异常滤波匹配算法;设计了一组并行卡尔曼滤波器,并简化了最优滤波器的选择准则。不同重力特征区域的实验表明,该算法能够有效降低惯性导航系统经纬向漂移误差,提高系统的导航定位精度。

摘要：重力反演是获得地下物质密度分布进而解释地球内部结构和密度分布一种重要方式。本文提出了一种基于3D U-Net++的三维重力反演新方法,与二维重力反演相比,三维重力反演能准确地描述地下空间的密度分布。然而,常规的三维重力反演方法输入是二维的,本文方法的输入和输出是三维的。在训练阶段,为了提高网络的泛化能力,采用随机游走的方式设计了大量的多样化的仿真模型-数据对。在测试阶段,通过模拟产生的模型-数据对对网络性能进行了验证。为了进一步验证方法的有效性,我们将此方法应用在圣尼古拉斯矿区,反演结果与钻孔测量结果基本一致。文中还对比了3D U-Net++和3D U-Net在三维反演重建中的效果,结果表明,3D U-Net++反演的密度模型具有更高的分辨率,反演结果更集中,密度模型的边界更加清晰。

摘要：针对任意密度分布的二度体重力异常的计算,提出了一种空间-波数混合域二度体重力异常正演方法。该方法将二度体引力位满足的偏微分方程通过一维傅里叶变换,转化为不同波数相互独立的常微分方程,并采用基于二次插值的一维有限单元法求解该常微分方程。该方法充分利用了傅里叶变换的高效性和垂向网格剖分的灵活性,实现了二度体重力异常的高效、高精度数值模拟。采用截面为矩形的常密度和变密度的二度体模型,对所提算法的计算精度和速度进行检验,结果表明,与传统的二度体正演方法相比,算法在保证计算精度的同时,提高了计算效率。

摘要：无网格法是一类新型数值算法,具有精度高、高阶形函数构造与物性加载便利等特点,在计算力学领域应用广泛。将无网格方法(PIM、RPIM及EFGM)用于重力异常场二维正演计算:首先从重力异常二维变分问题出发,利用Galerkin法结合高斯积分公式推导了对应的无网格离散系统矩阵表达式;其次通过数值试验得出了RPIM-MQ、RPIM-exp及EFGM-exp形状参数的建议值,最后比较分析了最优形状参数下不同无网格法的计算效果。结果表明:无网格法适用于介质物性分布变化较大的重力异常二维正演,exp函数形状参数c?最优取值区间为[1.5,1.7],?建议值为0.6,MQ函数q取值区间为–4.1～1.9;EFGM较PIM及RPIM具有更高的计算精度。

摘要：针对传统反演方法中存在着依赖初始模型和计算耗时较长等问题,提出了一种全新的基于深度学习的重力异常反演方法。首先基于先建立出大量重力异常体模型,然后对其进行正演模拟产生样本数据集;其次,设计出一种新的全连接反演网络,使用产生的样本数据集训练新的FCN反演网络,再对网络中的参数不断优化;最后,对理论模型和实测数据进行反演实验以此来检验文中方法的真实性和准确性。实验结果表明,该方法可以真实的反演出重力异常体的位置和重力化强度有一定的,学习能力强且有一定的泛化能力,能切实地解决重力异常数据的反演问题。

摘要：应用质点运动理论建立了弹道导弹自由段弹道模型,在相同的初始条件下,就是否考虑地球重力异常对弹道导弹射程的影响分别作了计算,结果表明,导弹射程越远,重力异常对其影响越大。因此,在弹道导弹设计与运用过程中,应考虑重力异常对导弹射击精度的影响。

摘要：利用位场小波建立均质球体和常用二度体重力异常的多尺度边缘模型,并分析这些多尺度边缘的特征,在此基础上提出利用多尺度边缘进行重力异常反演的方法。该方法的优点是毋需任何假设即可同时反演几何参数和密度参数,且具有较高的稳定性和较强的抗噪性能,并以二度直立柱体为例对该方法进行了验证。