简介：为了探明介质的非完全弹性对瑞利型槽波传播的影响以及利用瑞利型槽波品质因子QR反演煤层碳化程度、裂隙、煤层厚度等煤层属性,在本文中,我们将复速度引入瑞利型槽波频散方程,计算了煤层瑞利型槽波的品质因子QR曲线;采用控制变量法,分析了瑞利型槽波品质因子QR随煤层厚度、煤层纵横波品质因子以及围岩纵横波品质因子的变化规律。研究表明:瑞利型槽波品质因子QR曲线与群速度曲线变化趋势一致;埃里相（Airy-phase）频率附近瑞利型槽波的品质因子QR最小,且埃里相频率随煤层厚度增加而减小;瑞利型槽波品质因子QR随煤层横波品质因子QS2的增大而增大。利用瑞利型槽波品质因子QR曲线可以实现对瑞利型槽波的吸收衰减进行补偿、对煤层厚度进行预测以及岩性成像。更多还原

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。