現(xiàn)代信息處理技術(shù)在地球物理中的應(yīng)用
《現(xiàn)代信息處理技術(shù)在地球物理中的應(yīng)用》介紹現(xiàn)代信息處理方法在重力、磁力、電磁、地震等地球物理信號(hào)信息提取中的應(yīng)用，主要包括地球物理資料濾波、位場邊界識(shí)別、譜矩分析位場幾何特征提取、地球天然脈沖電磁場信號(hào)特征分析、地球天然脈沖電磁場時(shí)頻分析、地球物理信號(hào)混沌-神經(jīng)網(wǎng)絡(luò)預(yù)測、低秩逼近地震數(shù)據(jù)重建，以及深度學(xué)習(xí)地震數(shù)據(jù)重建等方法與技術(shù)。
更多科學(xué)出版社服務(wù)，請(qǐng)掃碼獲取。
目錄
第1章 地球物理資料濾波方法 1
1.1 小波變換與小波域?yàn)V波 1
1.1.1 小波變換原理 1
1.1.2 小波域?yàn)V波實(shí)現(xiàn) 3
1.2 高階統(tǒng)計(jì)量濾波 5
1.2.1 高階累積量及高階累積量譜的概念 5
1.2.2 高階累積量及高階累積量譜的估計(jì) 7
1.2.3 基于三階譜的傅里葉振幅與相位重構(gòu) 9
1.2.4 基于三階譜的位場濾波算法 13
1.3 Curvelet域?yàn)V波 13
1.3.1 Curvelet變換原理 13
1.3.2 基于高階統(tǒng)計(jì)量的Curvelet域?yàn)V波 15
1.4 基于L2范數(shù)的濾波方法 17
1.4.1 原理及數(shù)學(xué)形式 17
1.4.2 參數(shù)選擇與方法的物理意義 19
1.5 模型數(shù)值實(shí)驗(yàn) 20
1.6 實(shí)際資料濾波案例 25
第2章 位場異常識(shí)別與邊界探測 29
2.1 位場異常導(dǎo)數(shù)換算及應(yīng)用前提 29
2.1.1 位場異常導(dǎo)數(shù)的物理意義 30
2.1.2 磁異�；瘶O與磁源重力異常計(jì)算 31
2.2 垂向?qū)?shù) 32
2.3 水平總梯度�！�35
2.4 解析信號(hào)振幅 36
2.5 Theta圖 37
2.6 Tilt梯度及其水平導(dǎo)數(shù) 38
2.6.1 Tilt梯度 38
2.6.2 Tilt梯度的水平導(dǎo)數(shù) 38
2.6.3 模型實(shí)驗(yàn) 39
2.7 歸一化標(biāo)準(zhǔn)差 40
2.8 Tilt梯度的改進(jìn)算法 40
2.8.1 模型實(shí)驗(yàn) 42
2.8.2 韋崗鐵礦區(qū)磁異常邊界探測 45
2.9 斜磁化磁異常處理 51
第3章 基于各向異性標(biāo)準(zhǔn)化方差的重磁源邊界分析 56
3.1 各向異性標(biāo)準(zhǔn)化方差算法 56
3.1.1 算法原理 56
3.1.2 算法的物理意義與計(jì)算流程 57
3.1.3 理論模型 59
3.2 改進(jìn)的各向異性標(biāo)準(zhǔn)化方差算法 60
3.2.1 算法原理 60
3.2.2 計(jì)算流程 62
3.2.3 理論模型 63
3.3 各向異性標(biāo)準(zhǔn)化方差算法性質(zhì) 65
3.4 復(fù)雜模型計(jì)算對(duì)比 66
3.4.1 理論模型 67
3.4.2 含噪聲模型 69
3.5 各種方法處理效果對(duì)比 76
第4章 基于譜矩分析技術(shù)的位場幾何特征 78
4.1 譜矩基礎(chǔ)知識(shí) 78
4.1.1 譜矩的定義 78
4.1.2 離散數(shù)據(jù)的各階譜矩計(jì)算 79
4.2 基于譜矩的地學(xué)特征因子提取方法及應(yīng)用 81
4.2.1 表面統(tǒng)計(jì)不變量與均方根斜率方差因子 81
4.2.2 自由空氣重力異常數(shù)據(jù)的山脈和盆地識(shí)別 82
4.3 譜矩方法在磁源體深度反演中的應(yīng)用 84
4.3.1 算術(shù)平均頂點(diǎn)曲率 85
4.3.2 球狀磁源體埋深估計(jì) 86
4.3.3 板狀磁源體埋深估計(jì) 88
4.3.4 塔里木盆地地區(qū)的應(yīng)用效果 90
4.4 基于地殼弧形構(gòu)造信息提取的四階譜矩分析 93
4.4.1 基于譜矩的邊界識(shí)別方法 93
4.4.2 理論模型實(shí)驗(yàn) 94
4.4.3 應(yīng)用案例 99
第5章 震前地球天然脈沖電磁場信號(hào)采集與特征分析 101
5.1 地球天然脈沖電磁場場源機(jī)理 101
5.2 地球天然脈沖電磁場信號(hào)采集 102
5.3 地球天然脈沖電磁場信號(hào)的震前特征 103
5.3.1 震前ENPEMF信號(hào)的時(shí)頻譜分解 103
5.3.2 震前ENPEMF信號(hào)時(shí)頻參數(shù)的孕震信息特點(diǎn) 110
5.3.3 時(shí)頻幅度譜二維圖的孕震信息特點(diǎn) 115
5.3.4 時(shí)頻幅度譜三維圖的孕震信息特點(diǎn) 120
第6章 時(shí)頻分析在地球天然脈沖電磁場數(shù)據(jù)信息提取中的應(yīng)用 124
6.1 時(shí)頻分析方法 124
6.1.1 Hilbert變換與譜 124
6.1.2 自適應(yīng)時(shí)頻 127
6.1.3 WVD的改進(jìn)算法 129
6.2 NSTFT-WVD變換在震前地球天然脈沖電磁場信號(hào)時(shí)頻與能量分析中的應(yīng)用 132
6.2.1 NSTFT-WVD方法原理 132
6.2.2 基于NSTFT-WVD變換的震前ENPEMF信號(hào)的時(shí)頻特點(diǎn) 136
6.3 BSWT-DDTFA方法在震前地球天然脈沖電磁場信號(hào)時(shí)頻分析中的應(yīng)用 140
6.3.1 BSWT-DDTFA方法原理 140
6.3.2 BSWT-DDTFA方法仿真 141
6.3.3 基于BSWT-DDTFA的震前ENPEMF信號(hào)的時(shí)頻特點(diǎn) 143
6.4 EEMD-WVD方法在震前地球天然脈沖電磁場時(shí)頻特性中的應(yīng)用 146
6.4.1 ENPEMF數(shù)據(jù)的二維時(shí)頻分解 146
6.4.2 EEMD-WVD分解 148
6.5 DE-DDTFA方法在震前地球天然脈沖電磁場信號(hào)時(shí)頻特性中的應(yīng)用 150
6.5.1 DE-DDTFA方法原理 151
6.5.2 DE-DDTFA方法仿真 152
6.5.3 基于DE-DDTFA的震前ENPEMF信號(hào)的時(shí)頻特點(diǎn) 153
第7章 混沌-神經(jīng)網(wǎng)絡(luò)在地球物理信號(hào)強(qiáng)度預(yù)測中的應(yīng)用 157
7.1 混沌理論 157
7.1.1 假鄰近法 158
7.1.2 自相關(guān)函數(shù)法 159
7.2 徑向基函數(shù)神經(jīng)網(wǎng)絡(luò) 160
7.3 基于混沌-徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)的震前地球天然脈沖電磁場強(qiáng)度預(yù)測 162
第8章 低秩逼近在地震數(shù)據(jù)重建中的應(yīng)用 167
8.1 基礎(chǔ)知識(shí) 167
8.1.1 地震數(shù)據(jù)重建模型 167
8.1.2 矩陣的秩 167
8.1.3 張量的秩 168
8.2 基于低秩逼近的地震數(shù)據(jù)重建原理 169
8.2.1 Hankel矩陣預(yù)變換 169
8.2.2 紋理塊矩陣預(yù)變換 170
8.2.3 地震數(shù)據(jù)的低秩性 171
8.3 基于紋理塊張量預(yù)變換的地震重建 171
8.3.1 紋理塊張量預(yù)變換 171
8.3.2 紋理塊張量預(yù)變換下地震數(shù)據(jù)重建模型 173
8.3.3 模型求解 173
8.3.4 數(shù)值實(shí)驗(yàn) 175
8.4 基于log-sum函數(shù)的地震數(shù)據(jù)重建 180
8.4.1 基于核范數(shù)的地震數(shù)據(jù)重建方法 181
8.4.2 基于log-sum函數(shù)的地震數(shù)據(jù)重建方法 181
8.4.3 數(shù)值實(shí)驗(yàn) 183
8.5 基于自相似性和低秩先驗(yàn)的地震數(shù)據(jù)隨機(jī)噪聲壓制 187
8.5.1 自相似塊匹配 187
8.5.2 基于截?cái)嗪朔稊?shù)的低秩模型 188
8.5.3 APGL優(yōu)化求解 189
8.5.4 數(shù)值實(shí)驗(yàn) 191
第9章 深度學(xué)習(xí)在地震數(shù)據(jù)重建中的應(yīng)用 195
9.1 深度學(xué)習(xí)概述 195
9.1.1 深度學(xué)習(xí)的起源與發(fā)展 195
9.1.2 深度學(xué)習(xí)應(yīng)用于地震數(shù)據(jù)重建的研究現(xiàn)狀 196
9.2 卷積神經(jīng)網(wǎng)絡(luò) 196
9.2.1 卷積神經(jīng)網(wǎng)絡(luò)的基本組成部分 196
9.2.2 地震數(shù)據(jù)重建中常用的CNN模型 199
9.3 帶紋理約束的深度神經(jīng)網(wǎng)絡(luò)在地震數(shù)據(jù)插值中的應(yīng)用 200
9.3.1 算法模型 201
9.3.2 實(shí)驗(yàn)分析 203
9.4 基于深度先驗(yàn)的地震數(shù)據(jù)插值 210
9.4.1 基礎(chǔ)知識(shí) 210
9.4.2 實(shí)驗(yàn)分析 215
9.5 基于卷積神經(jīng)網(wǎng)絡(luò)的地震數(shù)據(jù)去噪 220
9.5.1 CNN-NP結(jié)構(gòu) 220
9.5.2 隨機(jī)噪聲去除 222
9.5.3 面波去除 225
參考文獻(xiàn) 228
書單推薦
