简介：传统上,时间域航空电磁数据通过拟合迭代反演计算得到大地模型,然而,由于航空电磁数据道间的较强相关性,导致病态反演,并引起超定问题;同时电磁数据的相关性使其与模型参数的映射关系复杂,增加了反演的复杂度。采用主成分分析法将航空电磁数据变换为正交的较少数量的主成分,不仅降低了数据道间的相关性,减小了数据量,同时压制了数据的不相关噪声。本文利用人工神经网络(ANN)逼近主成分与大地模型参数间的映射关系,避免了传统反演算法中雅克比矩阵的复杂计算。层状模型的主成分神经网络与数据神经网络的反演结果对比显示,主成分神经网络反演方法网络结构简单,训练步数少,反演结果好,特别是对于含噪数据。准二维模型的主成分ANN、数据ANN以及Zhody方法的反演结果显示了主成分神经网络具有更接近真实模型的反演效果,进一步证明了主成分神经网络反演方法适合海量航空电磁探测数据反演。

简介：海底电缆双检采集是利用水检和陆检对海水层鸣震的响应极性相反,通过水、陆检数据的合并处理来消除海水层的鸣震,进而拓展了数据的频带范围,提高了资料的保真性和分辨率,而得到了广泛应用。但海底电缆双检资料中的陆检数据,由于受洋流、海底地形和施工工艺等的影响,很难保证其与海底的良好耦合,因而受耦合系统传输函数的影响比较大,造成水、陆检数据在振幅、频率、相位等方面的差异,降低了陆检数据的信噪比,影响了双检地震数据的合并处理效果。而海底电缆双检中的水检资料检测的是海水压力的变化,与海底不存在耦合问题,因而水检数据信噪比往往比较高。本文首先给出了陆检与海底耦合系统传输函数的数学表达式,然后利用水检数据作为约束条件估算出了陆检与海底耦合系统的传输函数,并利用估算出的传输函数对陆检数据进行了耦合校正处理,解决了陆检与海底的耦合效应对陆检数据的振幅、相位等的影响,提高了陆检数据的信噪比,取得了较好的应用效果。