国际标准期刊号: 2381-8719
刘佳*、张廷军
从钻孔温度深度数据推断地表温度历史 (GSTH) 的问题,与几乎所有其他地球物理反演问题一样,其特点是由于存在噪声而不稳定。由于问题参数化和优化的方式不同,解决方案取决于方法。在这项工作中,我们尝试分析四种方法获得的结果,包括目前广泛使用的函数空间反演(FSI)和奇异值分解(SVD),以及新开发的基本解方法(MFS)和吉洪诺夫方法。所有四种方法都基于一维热传导理论。为了评估各种方法的有效性,准备了带有噪声的合成地温剖面数据并用于比较不同的方法。我们分析了描述 GSTH 的五种数学模型:(1) 单步信号、(2) 单斜坡信号、(3) 平滑单斜坡信号、(4) 正弦信号和 (5) 混合正弦信号。我们在四种方法中使用相同的前向求解器以及空间和时间离散化,以消除这些来源可能产生的差异。四种反演方法对于所关注的 GSTH 的变化趋势产生相似的结果。然而,估计的 GSTH 在变化时间和幅度的细节上有所不同。四种方法的有效性变得依赖于信号,正弦信号可以通过MFS方法鲁棒地反演,其他类型的信号在添加少量噪声时可以通过Tikhonov方法准确地重构,并且FSI善于抑制噪声。(2) 单斜坡信号,(3) 平滑单斜坡信号,(4) 正弦信号,以及 (5) 混合正弦信号。我们在四种方法中使用相同的前向求解器以及空间和时间离散化,以消除这些来源可能产生的差异。四种反演方法对于所关注的 GSTH 的变化趋势产生相似的结果。然而,估计的 GSTH 在变化时间和幅度的细节上有所不同。四种方法的有效性变得依赖于信号,正弦信号可以通过MFS方法鲁棒地反演,其他类型的信号在添加少量噪声时可以通过Tikhonov方法准确地重构,并且FSI善于抑制噪声。(2) 单斜坡信号,(3) 平滑单斜坡信号,(4) 正弦信号,以及 (5) 混合正弦信号。我们在四种方法中使用相同的前向求解器以及空间和时间离散化,以消除这些来源可能产生的差异。四种反演方法对于所关注的 GSTH 的变化趋势产生相似的结果。然而,估计的 GSTH 在变化时间和幅度的细节上有所不同。四种方法的有效性变得依赖于信号,正弦信号可以通过MFS方法鲁棒地反演,其他类型的信号在添加少量噪声时可以通过Tikhonov方法准确地重构,并且FSI善于抑制噪声。我们在四种方法中使用相同的前向求解器以及空间和时间离散化,以消除这些来源可能产生的差异。四种反演方法对于所关注的 GSTH 的变化趋势产生相似的结果。然而,估计的 GSTH 在变化时间和幅度的细节上有所不同。四种方法的有效性变得依赖于信号,正弦信号可以通过MFS方法鲁棒地反演,其他类型的信号在添加少量噪声时可以通过Tikhonov方法准确地重构,并且FSI善于抑制噪声。我们在四种方法中使用相同的前向求解器以及空间和时间离散化,以消除这些来源可能产生的差异。四种反演方法对于所关注的 GSTH 的变化趋势产生相似的结果。然而,估计的 GSTH 在变化时间和幅度的细节上有所不同。四种方法的有效性变得依赖于信号,正弦信号可以通过MFS方法鲁棒地反演,其他类型的信号在添加少量噪声时可以通过Tikhonov方法准确地重构,并且FSI善于抑制噪声。估计的 GSTH 在变化时间和幅度的细节上有所不同。四种方法的有效性变得依赖于信号,正弦信号可以通过MFS方法鲁棒地反演,其他类型的信号在添加少量噪声时可以通过Tikhonov方法准确地重构,并且FSI善于抑制噪声。估计的 GSTH 在变化时间和幅度的细节上有所不同。四种方法的有效性变得依赖于信号,正弦信号可以通过MFS方法鲁棒地反演,其他类型的信号在添加少量噪声时可以通过Tikhonov方法准确地重构,并且FSI善于抑制噪声。