Журнал геологии и геофизики
Открытый доступ

Абстрактный

Новый подход к одномерной инверсии сопротивления с использованием систематически определенного оптимального количества слоев

Аммар Алали, Фрэнк Дейл Морган, Даррелл Коулз

Определение правильного количества слоев в качестве входных данных для одномерной инверсии удельного сопротивления важно для построения модели, которая точно представляет недра. Текущие общепринятые методы выбора количества слоев выполняются одним из трех способов: методом проб и ошибок и выбором наилучшего соответствия данных модели, с использованием модифицированного F-теста, плавной перепараметризации или с помощью параметризации трансмерной модели. Хотя эти методы являются творческими подходами, они являются вычислительно затратными, а также требуют много времени и усилий на практике. В этой статье мы предлагаем метод, который решает проблему выбора правильного количества слоев, представленных кривой кажущегося удельного сопротивления. Метод следует двухэтапному подходу, предложенному Симмсом и Морганом (1992), для систематического восстановления оптимального количества слоев. Первый шаг — запустить инверсию фиксированной толщины с использованием большого количества слоев, в которых количество слоев и толщина слоев фиксированы, а значения удельного сопротивления являются параметрами инверсии. Затем мы кумулятивно суммируем результат первой инверсии по глубине (модель удельного сопротивления), чтобы определить оптимальное количество слоев на основе изменений наклона. Обнаруженное количество слоев используется в качестве входного параметра для второго шага; который запускает инверсию переменной толщины (толщина слоев и удельное сопротивление являются параметрами инверсии) для результата, окончательной модели удельного сопротивления. Каждый шаг использует инверсию наименьших квадратов с затуханием трассы хребта. Два шага инверсии интегрируются для последовательного запуска. Метод определяет все параметры инверсии на основе данных самосогласованным образом. Этот предлагаемый метод использует надежный алгоритм регрессии трассы хребта, который оказался стабильным, точным и по крайней мере в сто раз быстрее текущих методов.