1.基于模型特征驱动的重力数据自适应稀疏约束反演方法,其特征在于,所述方法包括:S1、对采集的重力场数据进行网格化处理,生成规则格网数据并完成地下空间三维离散网格剖分;
S2、构建三维重力稀疏约束反演目标函数;
S3、模型局部特征识别,计算模型平滑度差异;
S4、模型特征分区约束,根据平滑度差异划分模型区域;
S5、自适应阶数动态调优;
S6、迭代反演求解,重复执行S5的阶数动态调优,直至满足收敛条件,输出最终三维密度模型;
步骤S3中,模型局部特征识别,计算模型平滑度差异的内容包括:先通过固定阶数p=1,给出不同数量级差异的两组阈值ε,分别完成重力场数据稀疏约束反演计算,获取两个独立的三维密度解模型m1和m2,通过定义两个反演模型空间的平滑度Li,以平滑程度差异ΔL,实现不同特征区域的区分,平滑度Li定义为模型空间二阶导数之和,ΔL为不同阈值ε约束下的反演模型的平滑度差异,形式如下式:公式3:
;
其中,mi表示地下空间密度模型的每一个离散网格单元,i表示不同数量级差异的两组阈值ε独立反演对应的编号, x, y, z分别表示笛卡尔坐标系下的三个正交方向;
步骤S4中,模型特征分区约束,根据平滑度差异划分模型区域的内容包括:依据平滑度差异ΔL的大小指示模型空间的块状与平滑特征,对平滑度差异大于所统计平滑度均值的区域初始赋以p=1,对平滑度差异小于所统计平滑度均值的区域初始赋以p=2,然后固定阈值ε重新进行全域的稀疏约束反演计算;
步骤S5中,自适应阶数动态调优的内容包括:
在迭代反演过程中引入一个模型更新量的判别函数v,来统计前后两次迭代的密度模型之间的差异,给定一个参考值δ以界定模型更新差异大小;如果v大于参考值δ,则认定此次迭代所选用阶数p仍不是最优值,需调优,如果v小于参考值δ,则下一次迭代过程中无需调整p值,模型更新量的判别函数v如公式4所示:公式4:;
其中,m(k)为第k次迭代反演的密度模型结果,m(0)为初始密度模型,v(k)表示第k次迭代反演计算获得的模型更新量,如果v小于参考值δ,则继续调优,相反,则后续迭代中不再调优p值;
p值的调优方式是逐步递减,形式为公式5所示:
公式5:;
其中,p(k) , p(k+1)分别为第k次和第k+1次迭代时刻对应的阶数p。
2.根据权利要求1所述的基于模型特征驱动的重力数据自适应稀疏约束反演方法,其特征在于,步骤S2中,三维重力稀疏约束反演目标函数形式如下:公式1:
;
其中,是为重力场数据拟合项,用于度量观测的重力场数据与反演所获密度模型预测的重力场数据的拟合程度,为模型约束项,用于对密度模型施加先验信息约束条件,以获得模型空间合理的解,表示向量l2范数的平方运算,表示向量lp范数的p次方运算,μ是正则化参数,p为范数阶数,Wd为数据权重矩阵,Wm为模型加权函数,G是重力场数据的正演核矩阵,d代表重力场观测数据,m是分别表征地下介质密度分布的模型参数;
使用lp范数的近似形式代替lp范数严格定义,构建模型约束项φm(m)的近似形式,形式表示如下:公式2:;
其中,mi表示地下空间密度模型的每一个离散网格单元,ε是一个阈值,范围为10-1~10-6,是为了避免分母等于零,增强了数值稳定性。