E-mail Alert Rss
 

物探与化探, 2024, 48(6): 1730-1740 doi: 10.11720/wtyht.2024.0247

工程勘察

基于颜色融合技术的综合跨孔层析岩溶探测方法

牟晓东,

中国石化石油工程设计有限公司,山东 东营 257029

A comprehensive crosshole tomography method for karst identification based on color fusion technology

MOU Xiao-Dong,

Petroleum Engineering Corporation, SINOPEC, Dongying 257029, China

第一作者: 牟晓东(1972-),男,汉族,山东潍坊人,硕士,高级工程师,主要从事工程物探及岩土勘察理论与应用研究工作。Email:mouxd1972@163.com

责任编辑: 朱晓颖

收稿日期: 2024-05-29   修回日期: 2024-10-9  

基金资助: 国家重点研发项目课题“岩溶塌陷隐患立体精准探测技术”(2022YFC3003300-2)
中石化石油工程设计有限公司科研项目“岩溶裂隙地段定向钻勘察及施工技术应用研究”(KY 2023001)

Received: 2024-05-29   Revised: 2024-10-9  

摘要

单一跨孔层析成像技术具有多解性,很难准确地识别岩溶异常。为此,本文引入颜色融合技术,通过数值模拟,测试了弹性波走时CT、弹性波衰减CT和电磁波衰减CT这3种跨孔CT反演信息颜色融合的有效性,并开展了综合跨孔CT岩溶探测现场试验。试验结果表明,颜色融合技术能够有效地提高岩溶判识的准确度。研究成果为油气管道和桥梁隧道等基础工程岩溶勘查提供了一种有效的综合跨孔探测和解释新方法,对提高岩溶勘查精度具有重要意义。

关键词： 岩溶探测; 跨孔层析成像; 弹性波CT; 电磁波CT; RGB颜色融合

Abstract

Single crosshole tomography features a multiplicity of solutions, rendering it challenging to accurately identify karst anomalies. Given this, this study introduced color fusion technology and tested its effectiveness in the inversion of three types of crosshole seismic CT data using numerical simulations: elastic wave travel time CT, elastic wave attenuation CT, and electromagnetic wave attenuation CT. A field experiment on karst identification using comprehensive crosshole CT data reveals that the color fusion technology can effectively enhance the accuracy of karst identification. The results of this study provide an effective method for comprehensive crosshole detection and interpretation for karst exploration in foundational projects such as oil and gas pipelines, bridges, and tunnels, holding great significance for improving the exploration accuracy of karst.

Keywords： karst cave detection; crosshole tomography; elastic wave CT; electromagnetic wave CT; RGB color fusion

PDF (5669KB) 元数据 多维度评价 相关文章 导出 EndNote| Ris| Bibtex  收藏本文

本文引用格式

牟晓东. 基于颜色融合技术的综合跨孔层析岩溶探测方法[J]. 物探与化探, 2024, 48(6): 1730-1740 doi:10.11720/wtyht.2024.0247

MOU Xiao-Dong. A comprehensive crosshole tomography method for karst identification based on color fusion technology[J]. Geophysical and Geochemical Exploration, 2024, 48(6): 1730-1740 doi:10.11720/wtyht.2024.0247

0 引言

岩溶裂隙地质对工程基础建设存在诸多安全隐患,因此准确查明岩溶裂隙发育情况意义重大[1-2]。当前用于岩溶裂隙探测的地面地球物理方法主要有:电测深联合剖面法[3]、高密度电阻率法[4⇓-6]、探地雷达法[7]、等值反磁通法[8-9]、陆地声呐法[10]、地震映像法[11]、地震散射波法[12]、微动探测[7,9,13]、谱比法[13],高频面波法[14]等。然而,由于岩溶裂隙不良地质体赋存属性(形态、位置、充填)复杂,尺度变化大,在地下常用基于钻孔的跨孔层析成像(computed tomography, CT)探测技术,它具有更高的分辨率,在岩溶裂隙精细勘查中应用十分广泛[15⇓⇓⇓⇓⇓-21]。

虽然跨孔弹性波CT和跨孔电磁波CT都是基于波动场,但其物理场信息不同,因此其异常表征能力不同。不同跨孔层析方法的反演结果在空间分布上可能出现不一致,使得难于准确判识异常体[22]。针对该问题,目前主要采用联合反演[23]或定量联合分析[24]的策略进行解决。

定量联合分析主要借鉴信息融合技术。常见的多属性融合技术主要分为线性融合和非线性融合两类,包括主成分分析法(principal component analysis,PCA)、快速独立分量分析法(fast independent componet analysis,fastICA)、聚类分析法、D-S证据理论法、极限梯度提升法(extreme gradient boosting, XGBoost)、栈式稀疏自编码器法(stack sparse auto encoders, SSAE)、基于深度学习和颜色融合技术分析法[25⇓⇓⇓-29]等。其中颜色融合技术在20世纪70年代开始应用于地震数据成像域分析领域[30]。目前,基于成像技术的多属性颜色融合技术已逐渐成熟[31]。其中,RGB三颜色融合模型最具代表性,应用最广泛。其原理是分别采用红、绿、蓝各代表一种属性,然后将3种属性进行颜色叠加,也可再增加一个属性,采用RGBA实现4个属性融合,其中A代表亮度[32]。

为此,作者将RGB颜色融合技术应用到基于跨孔弹性波走时CT、弹性波衰减CT和电磁波衰减CT反演结果的多物理场信息融合中,以期提高岩溶异常体的刻画精度。本文通过数值模拟,测试了3种跨孔CT成果属性RGB融合的有效性,并在某输油管工程淄河定向穿越工程岩溶段开展了现场试验。

1 方法原理

层析反演理论的基础是将非线性问题线性化,然后对线性大型稀疏病态矩阵方程进行最小二乘意义下的求解[15]。目前广泛采用的层析反演算法是联合迭代重建技术(simultaneous iterative reconstruction technique,SIRT),其迭代初始值可使用反投影重建技术(back projection technique, BPT)求取[33]。

1.1 弹性波走时CT原理

在高频近似下,弹性波传播路径可近似为射线。如图1所示,将探测空间离散化,弹性波传播路径和走时满足如下离散关系式[34]:

∑j=1Nrijsj=Ti 。

式中:rij是第i条射线穿过第j个网格的长度(i=1,2,…,M;j=1,2,…,N),其中N是孔间剖分网格总数,M是弹性波射线总数;sj为第j个网格的慢度;Ti为第i条射线的旅行时。式(1)的矩阵形式为

RS=T 。

式中:R=(rij)M×N为距离矩阵;T=(Ti)M×1为检波器接收得到的初至旅行时列向量;S=(sj)N×1为慢度列向量。

图1

新窗口打开| 下载原图ZIP| 生成PPT

图1   跨孔CT反演网格离散示意

Fig.1   Schematic diagram of grid discretization in cross hole CT inversion


1.2 弹性波衰减CT原理

弹性波在介质内部传播过程中,介质的滞弹性将波传播的机械能转为内能,造成弹性波能量不可逆耗散的过程称为弹性波衰减[35]。因此,其振幅受吸收衰减,随传播距离衰减公式可表示为[36]

A=A0e-αrr 。

式中:α为介质对弹性波吸收系数;r为传播距离;A为观测点弹性波振幅;A0为初始振幅。将式(3)两侧取对数,再按图1所示进行离散化,获得如下线性离散形式:

∑jNrijαj=lnA0ALi 。

式中:αj(j=1,2,…,N)是第j个网格的吸收系数;Li表示第i条射线路径长度。令式(4)右边项为Di,则可以写成如下矩阵形式:

Rα=D 。

式中:D=(Di)M×1为列向量;α=(αj)N×1为弹性波吸收系数列向量。

1.3 电磁波衰减CT原理

跨孔电磁波CT由发射端、接收端和主机3部分组成。发射端有效电磁波初始辐射场强为E0,它与发射机辐射功率和天线周围介质有关。接收端观测点场强为Er,观测的是沿孔轴方向的电场分量。因此,在跨孔观测系统下,考虑激发接收的方向性,场强观测值公式为[37-38]

Er=E0e-βrrfθcosφ 。

式中:β为介质对电磁波吸收系数;f(θ)为发射天线方向性因子;θ为发射天线(激发孔轴)与电磁波射线路径的夹角;φ为接收点处天线(接收孔轴)与电场方向的夹角。跨孔电磁波测量采用的是半波对称偶极天线,因此方向性因子通常以均匀介质中的形式表示:

f(θ)=cos(π2cosθ)sinθ 。

一般情况下,激发和接收天线是相互平行的,即θ和φ互为余角,则式(6)可以简化为

Er=E0e-βrrf^(θ) 。

式中:f^(θ)=cos(π2cosθ)。两侧取对数后的线性离散形式为

∑j=1Nrijβj=lnE0f^(θ)ErRi 。

式中:βj(j=1,2,…,N)是第j个网格的吸收系数。式(9)右端用Ui表示,则可写作如下矩阵形式:

Rβ=U 。

式中:U=(Ui)M×1为列向量;β=(βj)N×1为电磁波吸收系数列向量。

1.4 RGB颜色融合方法原理

RGB属性融合是根据三基色原理,通过红R、绿G、蓝B三色按照不同比例混合,产生真彩色[29⇓⇓-32]。每种基色对应 0~255个等级,任何一种颜色都可以通过基色调融合生成。融合算法的数学模型为{(R,G,B)|0≤R≤255,0≤G≤255,0≤B≤255},共能定义出 256×256×256=16 777 216种颜色。

定义一个映射函数S,S可对输入的红、绿、蓝三色进行比例变换,最终形成的融合图中每个点对应某一颜色值,即[31]:

IRGB=S(IR,IG,IB) 。

式中:IRGB为不同IR、IG、IB组合的RGB颜色输出值;IR、IG、IB为在以R、G、B为坐标轴的三维空间中红绿蓝三色的密度。

本文首先按式(2)、(5)和(10)构建方程,并采用SIRT算法,将弹性波和电磁波进行独立层析反演,获得弹性波走时CT反演的速度场信息、弹性波衰减CT反演的弹性波吸收系数和电磁波衰减CT反演的电磁波吸收系数3个不同物理场信息。由于各反演结果物理含义和量纲不同,因此数值范围并不相同。在采用RGB融合之前,先要把输入属性进行属性数值缩放到0~255之间,缩放公式如下[32]:

C(x,y)=255×S(x,y)-SminSmax-Smin 。

式中:C(x,y)为颜色空间域的属性;S(x,y)为输入属性;Smin 、Smax分别为输入属性的最小值和最大值。

2 综合跨孔层析颜色融合数值模拟验算

2.1 模型参数

在岩溶跨孔CT探测中,常用的是跨孔弹性波CT和电磁波CT。因此,为了检验基于RGB颜色融合技术在岩溶识别中的效果,设计了如图2所示的数值模型,通过正演模拟提供的理论数据,开展不同成像效果分析。模型激发接收孔距为30 m,孔深50 m。模型中包含两个大小、弹性和电磁参数均不同的矩形岩溶异常体(溶洞Y1、溶洞Y2),模型物性参数如表1所示。Y1的弹性和电性参数设置为充水溶洞, Y2内充填介质为松散岩土体,二者具有较好的代表性。相比模型中的围岩(灰岩),溶洞填充介质水和松散岩土体的电磁波波速和弹性波波速均更小,吸收衰减系数也更大,这是跨孔弹性波和电磁波CT岩溶探测应用的地球物理基础。

图2

新窗口打开| 下载原图ZIP| 生成PPT

图2   含两个溶洞的跨孔数值模型

Fig.2   Numerical model with two karst caves


表1   数值模型物性参数

Table 1  Physical property parameters of mumerical model

地层纵波速度/
(m·s-1)		横波速度/
(m·s-1)		密度/
(g·cm-3)		品质因子Qp品质因子Qs相对介电常数相对磁导率电导率/
(s·m-1)		中心点坐标
灰岩250014502.55015910.001
溶洞Y115000.2511058110.003(15,17.5)
溶洞Y210005251.520103010.0025(15,37)

新窗口打开| 下载CSV


2.2 波场模拟

在建立的模型基础上,弹性波和电磁波的传播过程,均采用时域交错网格有限差分计算[39]。激发间距和接收间距均为1 m,总激发点数51炮,总接收点数51道。在弹性波模拟中,采用主频1 000 Hz的雷克子波作为震源,采样间隔0.2 ms,记录长度40 ms。电磁波模拟中,采用主频6 MHz的雷克子波作为电场源,激发和接收均为y方向电场(Ey),采样间隔0.25 ns,记录长度800 ns。

图3和图4分别给出了激发深度25 m处所对应的弹性波传播波场快照和电磁波传播波场快照。对比图3和图4可见,无论是弹性波还是电磁波,在经过异常体时,其初至波前的能量均会减弱,波前旅行时也会受到异常体的影响而滞后,且异常体越大,能量衰减程度和波传滞后时间均越大。这些现象是基于初至波走时CT和衰减CT反演进行异常体定位的基础。此外,在该模拟参数下,弹性波的波长远小于电磁波的波长,在一定程度上决定着二者CT反演结果分辨率的高低,这在激发深度25 m处对应的弹性波和电磁波观测值的响应特征曲线(图5)中,也有明显反映。

图3

新窗口打开| 下载原图ZIP| 生成PPT

图3   激发深度25 m对应的弹性波传播快照

Fig.3   Snapshot of elastic wave propagation corresponding to an excitation depth of 25 m


图4

新窗口打开| 下载原图ZIP| 生成PPT

图4   激发深度25 m对应的电磁波传播快照

Fig.4   Snapshot of elctromaganetic wave propagation corresponding to an excitation depth of 25 m


图5

新窗口打开| 下载原图ZIP| 生成PPT

图5   激发深度25 m对应的弹性波和电磁波观测值

Fig.5   Observations of elastic waves and electromagnetic waves excited at the depth of 25 m


图5中振幅取值方法是通过对观测记录的初至波所在时窗进行希尔伯特变换,得到包络信号,然后取包络信号的最大值作为观测振幅[40]。

图5所显示的弹性波和电磁波振幅曲线特征在整体上表现为振幅与传播距离呈反比,但弹性波受异常体影响范围更大,在接收点深度为20 m、40 m处,呈现局部振幅扰动特征。通过波场快照分析,发现其产生主要原因是弹性波频率较高,其传播过程中的波动效应更明显,在异常体尖端处产生强绕射,多个绕射波在观测点处相互干涉,从而出现振幅局部强扰动现象,这将影响弹性波吸收衰减CT成像的分辨率。

2.3 CT反演和RGB融合

对上述模拟获得的弹性波和电磁波观测数据,进行弹性波走时CT和衰减CT反演(图6a、b)和电磁波衰减CT的反演(图6c)。从反演结果可以看出,各种方法的反演结果对异常体均有响应,但分辨率有所差异,其中弹性波走时CT分辨率相对最高,异常体空间位置和尺度大小表征最接近模型。弹性波衰减CT比电磁波衰减CT误差更大,其原因可能是弹性波波长短,绕射更严重,在观测点处产生干涉,导致振幅出现局部强扰动。

图6

新窗口打开| 下载原图ZIP| 生成PPT

图6   不同方法反演结果及其RGB融合

Fig.6   Inversion results by different methods and corressponding RGB fusion result


不同CT方法反演得到不同的物性参数,利用多种信息进行定量融合计算后再解释,对提高异常体判识的准确性尤为重要[41]。因此,应用RGB颜色融合技术,将图6a~c的3个反演结果进行三属性参数融合,得到图6d。可以看出,在融合后的结果中,溶洞异常体的空间位置和尺度大小,与模型吻合度较高。模拟研究表明,基于RGB颜色融合技术,在综合跨孔CT岩溶探测中,具有进一步提高岩溶异常体的判识精度的能力。

3 定向钻穿越岩溶段探测现场试验

为进一步对本文所提方法进行检验,选择在某输油管工程淄博淄河穿越区岩溶段作为试验区。试验采用了弹性波CT和电磁波CT联合勘探的方法。设计的6个钻探孔孔位以及11对跨孔CT剖面布置如图7所示,其中ZK04~ZK05孔间距最大(53.16 m),ZK04~ZK06孔间距最小(23.44 m)。

图7

新窗口打开| 下载原图ZIP| 生成PPT

图7   勘探孔位及跨孔CT剖面布置

Fig.7   Distribution of boreholes and cross-hole CT sections


3.1 试验区地层概况

根据钻探揭露,试验区在勘查深度范围内的地层主要为第四系全新统—上更新统陆相沉积砂土及粉质黏土,下部为下元古代荆山群(Pt1j),上覆一定厚度的人工填土。地层分类描述如下:

第一层耕土:浅黄,稍密,灰黄色,稍湿,散状分布,砂土为主,夹杂植株根系,含少量碎石,粒径Φ=1~5 cm。本层场区除ZK01号钻孔未揭露,其余钻孔均有揭露,层厚:0.40~6.00 m;层底高程:136.36~142.70 m。

第二层卵石:暗黄,稍密,稍湿,亚圆,灰黄色,稍密—中密,卵石含量约50%左右,充填约35%左右粘性土,夹杂砂性土,卵石粒径一般Φ=2~7 cm,为亚圆形,主要组成成分为中风化灰岩。该层在场区ZK01号钻孔有分布,厚度:3.50 m;层底标高:138.26 m;层底埋深:3.5 m。

第三层强风化石灰岩:棕红,破碎,软,隐晶质结构,中厚层状构造,岩芯破碎,节理裂隙十分发育,夹杂块状,Φ=2~5 cm,锤声闷。该层在场区ZK01号钻孔有分布,厚度:3.50 m;层底标高:134.26 m;层底埋深7.50 m。

第四层中风化石灰岩:棕红,较完整,隐晶质结构,中厚层状构造,中风化,主要矿物成分为方解石,节理裂隙较发育,呈不规则状,多为方解石脉充填,脉宽1~5 mm。岩心较完整,多呈柱状,少量块状。岩石锤击不易击碎,声脆,该层发育溶洞。场地普遍分布,厚度:29.0~34.60 m;层底标高:106.76~128.26 m。

3.2 钻探揭露岩溶发育情况

本试验区属埋藏型岩溶区,地表未发现塌陷区,人类活动影响弱。场地施工的6个钻孔,见溶洞钻孔3个,钻孔见溶洞率为50%。其中ZK01溶洞的洞径2.3 m,ZK02溶洞的洞径1.8 m,ZK05溶洞的洞径0.9 m。总洞隙的钻探进尺之和为5.1 m,总进尺210 m,线岩溶率为2.43%。 通过钻孔所揭露岩溶发育的岩心(图8)看出,ZK01溶洞为未充填,ZK02和ZK05为半充填,充填物为全风化岩石夹少量砂土;岩溶强发育,为不均匀场地。详细岩溶发育情况见表2。

图8

新窗口打开| 下载原图ZIP| 生成PPT

图8   钻孔岩心揭露溶洞发育状况

Fig.8   Core condition of karst cave exposed by drilling


表2   钻孔揭露溶洞发育基本情况

Table 2  Basic Situation of karst caves development exposed by drilling

孔号顶板埋深/m底板埋深/m顶板标高/m底板标高/m溶洞高度/m溶洞填充物
ZK0113.515.8128.26125.962.3无充填
ZK0226.728.5115.63113.831.8溶蚀性串珠状溶洞发育,岩体残余骨架尚存,充填物为
强风化、中风化岩碎块
ZK0533.534.4108.96108.060.9半充填,充填黏性土,溶洞顶、底部溶蚀现象发育

新窗口打开| 下载CSV


根据钻孔揭露和抽水试验表明,试验区岩溶沿层面、不整合面等有显著溶蚀,中小型串球状溶洞发育,地下洞穴系统未形成,局部为集中径流。按岩溶发育强度分级岩溶属强发育,按岩溶埋藏条件分类岩溶属深覆盖型。

3.3 弹性波CT和电磁波CT联合探测成果

根据揭露溶洞情况,此处重点分析ZK05~ZK03、ZK03~ZK01两条剖面。ZK05~ZK03间的孔距为29.13 m,ZK03~ZK01间的孔距为29.21 m。ZK03为激发孔,ZK01和ZK05为接收孔。弹性波数据采用震源为4万焦耳电火花震源,接收采用12级高分辨率井中水听器,激发和接收均有良好的水耦合。激发点和接收点间距均为1 m,激发点高程范围为107~140 m,每炮12道接收。在同一激发深度,滚动采集3个排列数据,接收排列高程范围分别为107~118 m,118~129 m和129~140 m。经过现场试验,电磁波数据采集使用6 MHz的鞭状偶极天线,采用定发模式,激发接收间距均为1 m,激发接收高程范围均为107~140 m。

数据处理中,将弹性波和电磁波进行独立的联井二维CT反演(图9a~c)后,反演结果采用RGB融合技术,获得图9a~c的融合结果见图9d。

图9

新窗口打开| 下载原图ZIP| 生成PPT

图9   不同方法反演及RGB融合的ZK05~ZK03、ZK03~ZK01成像剖面

Fig.9   Results with different inversion methods for ZK05~ZK03、ZK03~ZK01 profile


通过对以往钻孔反演结果的统计分析得到,素填土的纵波波速在1 000~1 500 m/s之间,电磁波相对吸收系数在0.5~0.6 Np/m之间;全风化石灰岩的纵波波速在2 000~3 000 m/s之间,电磁波吸收系数在0.3~0.5 Np/m之间;中风化石灰岩的纵波波速在3 500~5 000 m/s之间,电磁波吸收系数在0.2~0.4 Np/m之间。因各风化层存在极为明显的波速和电磁波吸收系数差异,而本文中岩溶裂隙带视充填物和充填程度的不同,选择纵波波速在1 500~2 500 m/s之间,电磁波吸收系数在0.4~0.6 Np/m之间。根据上述分析成果,在图9a~c上圈出多处溶洞异常。

在试验数据融合计算中,将RGB融合归一化系数小于0.55,且位于石灰岩层中的区域解释为岩溶裂隙发育区。在此基础上,图9d中可圈出了3个岩溶异常(YC01、YC02和YC03),其中YC02和YC03异常与钻孔揭露成果吻合。融合前的弹性波走时CT(图9a)表现出较高分辨率,钻孔处刻画溶洞数量比实际钻孔揭露要多,但只有YC02和YC03与钻孔揭露岩溶完全吻合。弹性波衰减CT(图9b)和电磁波衰减CT成像结果(图9c)分辨率略低,钻孔处刻画溶洞的数量较钻孔揭露少。而融合后的结果显示,对岩溶裂隙发育的推断更为清晰准确,其中YC01靠近钻孔ZK05,但未被钻孔揭露,YC02和YC03均与钻孔揭露对应较好。上述结果表明,RGB融合具有减小不同反演结果异常体刻画不一致的问题,能够有效提高溶洞判识准确度。

4 结论

1)本文通过RGB颜色融合技术的综合跨孔CT岩溶探测模拟试验研究表明,RGB颜色融合技术有效降低了弹性波走时CT、弹性波衰减CT和电磁波衰减CT独立反演成果冲突的问题,改善了异常目标体的成像分辨率和可识别性,提高了岩溶异常体判识的准确度。

2)利用RGB颜色融合技术在某输油管工程淄博淄河穿越区岩溶段的应用中,有效地判识和圈定了岩溶异常区,与实测钻井揭露吻合较好,为后续水平定向钻穿越实施堵漏工作提供了可靠的地质依据。

参考文献

张健, 冯旭亮, 岳想平.

综合物探方法在隐伏岩溶探测中的应用

[J]. 物探与化探, 2022, 46 (6):1403-1410.

[本文引用: 1]

Zhang J, Feng X L, Yue X P.

Application of comprehensive geophysical prospecting method in detecting concealed karst collapses

[J]. Geophysical and Geochemical Exploration, 2022, 46(6):1403-1410.

[本文引用: 1]

Kaufmann G, Romanov D, Nielbock R.

Cave detection using multiple geophysical methods:Unicorn cave,Harz Mountains,Germany

[J]. Geophysics, 2011, 76(3):71-77.

[本文引用: 1]

刘瑞军.

电测深联合剖面法在高铁路基岩溶探测中的应用

[J]. 铁道勘察, 2024, 50(3):89-95.

[本文引用: 1]

Liu R J.

Combined electrical sounding profile method in the high-speed railway detecting karst of subgrade

[J]. Railway Investigation and Surveying, 2024, 50(3):89-95.

[本文引用: 1]

孟凡松, 张刚, 陈梦君, 等.

高密度电阻率法二维勘探数据的三维反演及其在岩溶探测中的应用

[J]. 物探与化探, 2019, 43(3):672-678.

[本文引用: 1]

Meng F S, Zhang G, Chen M J, et al.

3-D inversion of high density resistivity method based on 2-D high-density electrical prospecting data and its engineering application

[J]. Geophysical and Geochemical Exploration, 2019, 43(3):672-678.

[本文引用: 1]

McCrackin C, Kiflu H, Kruse S, et al.

3D resistivity survey over mapped caves in eogenetic karst terrane,west-central Florida,USA

[J]. Journal of Cave and Karst Studies, 2022, 84(1):1-13.

[本文引用: 1]

李玉, 陈宗清, 柳倩男, 等.

高密度电阻率法在复杂岩溶地区的应用研究

[J]. 工程勘察, 2024, 52(1):72-78.

[本文引用: 1]

Li Y, Chen Z Q, Liu Q N, et al.

Study on the application of high-density resistivity method in complex karst area detection

[J]. Geotechnical Investigation & Surveying, 2024, 52(1):72-78.

[本文引用: 1]

龙斌, 张军, 李宏伟.

基于微动和探地雷达的城市轨道交通岩溶探测研究

[J]. 现代雷达, 2023, 45 (12):40-46.

[本文引用: 2]

Long B, Zhang J, Li H W.

A study on Karst detection in urban rail transit construction based on micro motion and GPR

[J]. Modern Radar, 2023, 45(12):40-46.

[本文引用: 2]

王银, 席振铢, 蒋欢, 等.

等值反磁通瞬变电磁法在探测岩溶病害中的应用

[J]. 物探与化探, 2017, 41(2):360-363.

[本文引用: 1]

Wang Y, Xi Z Z, Jiang H, et al.

The application research on the detection of karst disease of airport runway based on OCTEM

[J]. Geophysical and Geochemical Exploration, 2017, 41(2):360-363.

[本文引用: 1]

张学亮, 谢涛, 周炜, 等.

等值反磁通瞬变电磁和微动勘探在浅部岩溶探测中的应用

[J]. 煤田地质与勘探, 2023, 51 (12):157-166.

[本文引用: 2]

Zhang X L, Xie T, Zhou W, et al.

The application of the opposing coils transient electromagnetic method and microtremor survey method in shallow karst detection

[J]. Coal Geology & Exploration, 2023, 51(12):157-166.

[本文引用: 2]

杨江华, 徐丹, 张惠敏.

声呐法在基桩孔底岩溶探测中的应用研究

[J]. 云南大学学报:自然科学版, 2023, 45 (S1):192-195.

[本文引用: 1]

Yang J H, Xu D, Zhang H M.

Research on application of sonar method in karst detection at the bottom of foundation pile hole

[J]. Journal of Yunnan University:Natural Sciences Edition, 2023, 45 (S1):192-195.

[本文引用: 1]

邓勇, 唐宇豪.

地震映像时频分析技术在岩溶探测中的应用

[J]. 路基工程, 2023,(3):143-146.

[本文引用: 1]

Deng Y, Tang Y H.

Application of seismic image time-frequency analysis technology in karst detection

[J]. Subgrade Engineering, 2023,( 3):143-146.

[本文引用: 1]

史可, 徐峰, 贾学明, 等.

地震散射波法在公路桥基岩溶探测中的应用

[J]. 公路交通技术, 2023, 39 (2):126-130.

[本文引用: 1]

Shi K, Xu F, Jia X M, et al.

Application of seismic scattering wave in karst prospecting of highway bridge foundation

[J]. Technology of Highway and Transport, 2023, 39(2):126-130.

[本文引用: 1]

沈志平, 陈发达, 张虎, 等.

HVSR探测方法在城市岩溶勘察中的应用

[J]. 地球物理学进展, 2022, 37(4):1757-1763.

[本文引用: 2]

Shen Z P, Chen F D, Zhang H, et al.

Application of HVSR detection method in urban karst investigation

[J]. Progress in Geophysics, 2022, 37(4):1757-1763.

[本文引用: 2]

杨耀, 朱德兵.

基于CMPCC处理技术的多道面波法在岩溶探测上的应用

[J]. 工程地球物理学报, 2020, 17(5):559-566.

[本文引用: 1]

Yang Y, Zhu D B.

Application of multi-channel surface wave method based on CMPCC processing technology in karst exploration

[J]. Chinese Journal of Engineering Geophysics, 2020, 17(5):559-566.

[本文引用: 1]

罗术, 金俊俊, 甄大勇, 等.

基于数值模拟分析的弹性波CT岩溶探测能力研究与应用

[J]. 工程地球物理学报, 2023, 20 (3):330-336.

[本文引用: 2]

Luo S, Jin J J, Zhen D Y, et al.

Application of the elastic wave tomography in karst exploration

[J]. Chinese Journal of Engineering Geophysics, 2023, 20(3):330-336.

[本文引用: 2]

朱鑫磊, 杨磊, 冯光福, 等.

地磁波CT和微动技术在盾构穿越岩溶地层中的综合应用研究

[J]. 工程地球物理学报, 2022, 19 (5):619-629.

[本文引用: 1]

Zhu X L, Yang L, Feng G F, et al.

Application of comprehensive detection technology for shield tunneling through karst strata

[J]. Chinese Journal of Engineering Geophysics, 2022, 19(5):619-629.

[本文引用: 1]

李阳阳. 基于测井约束反演的跨孔电阻率CT在城市岩溶探测中的应用[D]. 济南: 山东大学, 2020.

[本文引用: 1]

Li Y Y. Application of well logging constrained inversion of cross borehole ERT in urban karst investigation[D]. Jinan: Shandong University, 2020.

[本文引用: 1]

苏宝, 刘晓丽, 卫晓波, 等.

井间超高密度电阻率法溶洞探测研究

[J]. 物探与化探, 2021, 45(5):1354-1358,1366.

[本文引用: 1]

Su B, Liu X L, Wei X B, et al.

Karst cave prospecting using cross-hole ultra-high density resistivity method

[J]. Geophysical and Geochemical Exploration, 2021, 45(5):1354-1358,1366.

[本文引用: 1]

梁森, 陈建华, 李宏涛, 等.

基于松鼠搜索算法的跨孔电阻率溶洞探测

[J]. 物探与化探, 2022, 46(5):1296-1305.

[本文引用: 1]

Liang S, Chen J H, Li H T, et al.

Detection of karst caves using the cross-hole resistivity method based on the squirrel search algorithm

[J]. Geophysical and Geochemical Exploration, 2022, 46(5):1296-1305.

[本文引用: 1]

刘振明.

井间地震技术在岩溶精细探测中的应用研究

[J]. 铁道工程学报, 2023, 40(12):19-24.

[本文引用: 1]

Liu Z M.

Research and application of cross-hole seismic technology in detailed karst dection

[J]. Journal of Railway Engineering Society, 2023, 40(12):19-24.

[本文引用: 1]

赵武阳. 跨孔地震波层析成像在岩溶探测中的应用研究[D]. 桂林: 桂林理工大学, 2021.

[本文引用: 1]

Zhao W Y. Application of cross-hole seismic tomography in karst exploration[D]. Guilin: Guilin University of Technology, 2021.

[本文引用: 1]

李文杰. 物探方法在岩溶探测中的应用研究[D]. 成都: 成都理工大学, 2020.

[本文引用: 1]

Li W J. The application of geophysical method in karst exploration[D]. Chendu: Chengdu University of Technology, 2020.

[本文引用: 1]

师学明, 商祥, 柳思龙.

跨孔电磁波与地震波CT交叉梯度联合反演算法研究及应用

[C]// 2022年中国地球科学联合学术年会.北京:中国地球物理学会, 2022.

[本文引用: 1]

Shi X M, Shang X, Liu S L.

Research and application of cross hole electromagnetic wave and seismic wave CT cross gradient joint inversion algorithm

[C]// 2022 proceedings of China Earth Science Joint Academic Annual Conference,Beijing.

[本文引用: 1]

陈湘华, 王启明.

基于电磁波和弹性波层析成像探测的联合分析方法

[J]. 科学技术与工程, 2019, 19(16):304-312.

[本文引用: 1]

Chen X H, Wang Q M.

Joint analysis by electromagnetic wave and elastic wave computerized tomography detection

[J]. Science Technology and Engineering, 2019, 19(16):304-312.

[本文引用: 1]

李婷婷, 王钊, 马世忠, 等.

地震属性融合方法综述

[J]. 地球物理学进展, 2015, 30 (1):378-385.

[本文引用: 1]

Li T T, Wang Z, Ma S Z, et al.

Summary of seismic attributes fusion method

[J]. Progress in Geophysics, 2015, 30(1):378-385.

[本文引用: 1]

王睿, 李琼, 孙华军, 等.

基于主成分分析的融合方法在断裂识别的应用研究

[J]. 物探化探计算技术, 2021, 43(6):715-723.

[本文引用: 1]

Wang R, Li Q, Sun H J, et al.

Application research of fusion method based on principal component analysis in fracture identification

[J]. Computing Techniques for Geophysical and Geochemical Exploration, 2021, 43(6):715-723.

[本文引用: 1]

杨楚龙, 王怀秀, 刘最亮.

基于改进XGBoost的地震多属性地质构造识别方法

[J]. 科学技术与工程, 2023, 23 (29):12442-12450.

[本文引用: 1]

Yang C L, Wang H X, Liu Z L.

Seismic multi-attribute geological structure identification method based on improved XGBoost

[J]. Science Technology and Engineering, 2023, 23(29):12442-12450.

[本文引用: 1]

周单, 钟晗.

基于SSAE的地震属性融合技术

[J]. 地球物理学进展, 2024, 39(2):647-660.

[本文引用: 1]

Zhou S, Zhong H.

A seismic attribute fusion technology based on SSAE

[J]. Progress in Geophysics, 2024, 39(2):647-660.

[本文引用: 1]

刘伟新, 王华, 万琼华, 等.

基于分频RGB融合技术的辫状河三角洲储层构型精细解剖

[J]. 地球科学与环境学报, 2022, 44(5):765-774.

[本文引用: 2]

Liu W X, Wang H, Wan Q H, et al.

Fine analysis of braided river delta reservoir architecture based on frequency division RGB fusion technology

[J]. Journal of Earth Sciences and Environment, 2022, 44(5):765-774.

[本文引用: 2]

Balch A H.

Color sonagrams:A new dimension in seismic data interpretation

[J]. Geophysics, 1971, 36(6),1074-1098.

[本文引用: 2]

Guo H, Lewis S, Marfurt K J.

Mapping multiple attributes to three- and four-component color models——A tutorial

[J]. Geophysics, 2008, 73(3):W7-W19.

[本文引用: 3]

丁峰, 年永吉, 王治国, 等.

地震多属性RGBA颜色融合技术的应用研究

[J]. 石油物探, 2010, 49(3):248-252.

[本文引用: 3]

利用数学工具和计算机图形能力将众多的地震属性映射为低维数的数据进行解释,可以提高地震属性分析的效率。地震多属性PCA-RGBA颜色融合技术是一种基于视觉的属性分析方法,其原理是,将多个地震属性通过主成分分析(PCA)技术进行降维,并将主分量按特征值由大到小排序,取前3个(或4个)主分量利用RGBA(Red-Green-Blue-Alpha)颜色融合原理获得一张融合图；再结合实际地质资料,在融合图像上依据颜色的区域性和突变异常等视觉特征,进行地质目标解释。在渤海SZ油田,应用该方法对常规地震属性数据进行了处理,在辅助断层识别、油藏流体时移变化区域判定等方面获得了良好的效果。

Ding F, Nian Y J, Wang Z G, et al.

Application of seismic multi-attributes RGBA color blending

[J]. Geophysical Prospecting for Petroleum, 2010, 49(3):248-252.

[本文引用: 3]

By using mathematical tools and computer graphic technology,many seismic attributes can be mapped to low-dimensional data for interpretation,and then improve the efficiency of seismic attribute analysis.Seismic multi-attributes PCARGBA color blending is a vision-based attribute analysis method.Firstly,seismic attributes are transformed to low-dimension by Principal Component Analysis (PCA) technology,and the principal components are arranged in terms of eigenvalues from big to small,the first three (or four) principal components are processed by RGBA（Red-Green-Blue-Alpha）color blending to obtain a blending map.Then,combing with the actual geologic data,geologic targets are interpreted by the vision characteristics (regional and abnormally changed of color) on blending map.Conventional seismic attributes of Bohai SZ oilfield were processed by the method;good results have been achieved in aiding for fault recognition and identifying the characteristics of reservoir fluid variation in time-lapse data.

杨艳, 秦克伟, 张东, 等.

一种改进的近地表层析成像SIRT算法

[J]. 武汉大学学报:理学版, 2009, 55(2):201-205.

[本文引用: 1]

Yang Y, Qin K W, Zhang D, et al.

Improvement of SIRT algorithm in near-surface seismic tomography

[J]. Journal of Wuhan University:Natural Science Edition, 2009, 55(2):201-205.

[本文引用: 1]

马德堂. 弹性波场数值模拟及井间地震初至波旅行时层析成像[D]. 西安: 长安大学, 2006.

[本文引用: 1]

Ma D T. Numerical simulation of elastic wave field and cross-well tomography based on first arrival time[D]. Xi’an: Changan University, 2006.

[本文引用: 1]

Knopoff L, Aki K, Archambeau C B, et al.

Attenuation of dispersed waves

[J]. Journal of Geophysical Research, 1964, 69(8):1655-1657.

[本文引用: 1]

王辉, 常旭, 高峰.

井间地震波衰减成像的几种方法

[J]. 地球物理学进展, 2001, 16(1):104-109.

[本文引用: 1]

Wang H, Chang X, Gao F.

Several methods of crosswell seismic attenuation tomography

[J]. Progress in Geophysics, 2001, 16(1):104-109.

[本文引用: 1]

武焕平. 井间电磁波CT成像图像重建算法[D]. 长春: 吉林大学, 2021.

[本文引用: 1]

Wu H P. Image reconstruction algorithm of cross-well electromagnetic wave CT imaging[D]. Changchun: Jilin University, 2021.

[本文引用: 1]

倪建福, 刘四新.

跨孔电波衰减成像初始振幅估算方法比较

[J]. 物探与化探, 2019, 43(3):634-641.

[本文引用: 1]

Ni J F, Liu S X.

Comparison of initial amplitude estimation methods for cross-hole electromagnetic wave attenuation tomography

[J]. Geophysical and Geochemical Exploration, 2019, 43(3):634-641.

[本文引用: 1]

赵明哲, 杨军, 张陆军, 等.

基于CUDA的高阶旋转交错网格有限差分法的弹性波正演模拟

[J]. 地球物理学进展, 2022, 37(4):1697-1703.

[本文引用: 1]

Zhao M Z, Yang J, Zhang L J, et al.

Forward modeling of elastic wave based on CUDA finite difference method with high order rotating staggered grid

[J]. Progress in Geophysics, 2022, 37(4):1697-1703.

[本文引用: 1]

杨森林, 高静怀.

利用地震信号包络峰值瞬时频率衰减层析成像

[C]// 中国地球物理学会第二十四届年会. 北京: 中国地球物理学会, 2008.

[本文引用: 1]

Yang S L, Gao J H.

Tomography using instantaneous frequency attenuation of seismic signal envelope peak

[C]// Proceedings of the 24th Annual Meeting of the Chinese Geophysical Society. Beijing: Chinese Geophysical Society, 2008.

[本文引用: 1]

Ba X, Li L, Wang J, et al.

Near-surface site investigation and imaging of karst cave using comprehensive geophysical and laser scanning:A case study in Shandong,China

[J]. Environ Earth Sciences, 2020,79,298:1-14.

[本文引用: 1]

/

〈 〉

京ICP备05055290号-3
版权所有 © 2021《物探与化探》编辑部
通讯地址：北京市学院路29号航遥中心 邮编：100083
电话：010-62060192；62060193 E-mail：whtbjb@sina.com , whtbjb@163.com