ISSN 1004-4140
CN 11-3017/P

盆地土壤层快速探查探地镜

石战结, 潘仙龙, 江金生, 杨文采

石战结, 潘仙龙, 江金生, 等. 盆地土壤层快速探查探地镜[J]. CT理论与应用研究(中英文), xxxx, x(x): 1-8. DOI: 10.15953/j.ctta.2024.184.
引用本文: 石战结, 潘仙龙, 江金生, 等. 盆地土壤层快速探查探地镜[J]. CT理论与应用研究(中英文), xxxx, x(x): 1-8. DOI: 10.15953/j.ctta.2024.184.
SHI Z J, PAN X L, JIANG J S, et al. Rapid Exploration of Soil Strata in a Basin using Ground Penetrating Mirroring[J]. CT Theory and Applications, xxxx, x(x): 1-8. DOI: 10.15953/j.ctta.2024.184. (in Chinese).
Citation: SHI Z J, PAN X L, JIANG J S, et al. Rapid Exploration of Soil Strata in a Basin using Ground Penetrating Mirroring[J]. CT Theory and Applications, xxxx, x(x): 1-8. DOI: 10.15953/j.ctta.2024.184. (in Chinese).

盆地土壤层快速探查探地镜

基金项目: 中国科学院学部咨询评议项目(2022-ZW11-A-024)。
详细信息
    通讯作者:

    石战结✉,男,博士,副教授,主要从事地球物理联合反演、浅地表和地球深部结构研究,E-mail:shizhanjie@zju.edu.cn

Rapid Exploration of Soil Strata in a Basin using Ground Penetrating Mirroring

  • 摘要:

    传统的地震反射方法,主要是利用来自波阻抗界面的反射波同相轴来刻画地质构造,据此获得地层界面、结构等信息。本研究提出利用反射波信息进行土壤层层速度快速反演的方法,将其命名为“地震反射探地镜”。该方法将反射信号自适应提取、均方根速度自动拾取和层速度快速反演相结合,形成一个用于近地表介质层速度快速探测和反演的探地镜方法。利用实测数据对该方法进行了评价,应用结果表明该方法能够快速提供地下介质的层速度和结构信息。在已知部分地质先验信息的情况下,可以将反演的层速度转换为土壤层的单轴抗压强度,为城镇的地基评价提供基础数据。

    Abstract:

    In traditional seismic reflection exploration, geological structures are characterized only by interpreting reflection wave events from wave impedance interfaces and then obtaining information of stratigraphic interfaces and structures. Herein, we present a method used to rapidly invert velocities of seismic waves reflected from strata layers. We have named this method “Seismic Reflective Ground Penetrating Mirroring (SRGPM).” This method consists of three steps, which are: 1) adaptive extraction of respective reflection signals, 2) automatic selection of root mean square velocity, and 3) fast inversion of layer velocity. The validity of the proposed method was verified with field data. The layer velocities and structures of strata can be quickly acquired by SRGPM. Combining this data with prior geological information, the inverted layer velocities can be converted into the uniaxial compressive strengths of the soil layers, providing basic data for evaluation of urban foundations.

  • 随着中国经济的快速发展,人口越来越向城镇集中,中国已进入城镇型国家行列。城镇化既方便了市民的生活,也带来了资源、环境、交通以及其他社会问题,尤其是优质农田的大量占用问题。随着工业化和城镇的发展,平原和盆地的宜农优质土壤资源越来越减少,寸土寸金的发展趋势使城镇可持续发展难上加难。解决的途径只有向高空和地下开拓,而高楼建筑又依靠地基的承重能力,要求城镇发展有精确的岩土层调查数据。

    地球物理探测方法可以对近地表土壤层的物理属性进行快速有效探测,是城镇地下调查的重要技术手段[1]。其中,传统的反射地震方法是对地表采集的地震数据进行频谱分析、滤波、反褶积、速度分析、动校正叠加和时深转换处理以获得反映地下地质结构特征的地震剖面资料[24]。由于反射地震方法能够较好地反映地下地质结构的几何特征,因此在地下基岩的深度探测[5]、城市地下断层探测[6]以及沉积盆地含水储层圈定[7]等方面具有较好的效果。另一方面,反射地震方法还可以给出地下地质体的速度信息[8]。利用地下界面产生的反射纵波信息,通过层速度反演可以获得与地层岩性相关的层速度信息,即纵波速度信息。大量的岩石物理力学试验表明纵波速度与岩石的变形模量[9]、单轴抗压强度[10]等岩石力学性质具有很好的相关性,因此可以利用反射地震方法获得的层速度信息预测地下地层的岩土力学性质,从而为城镇近地表地层调查和地下空间探测提供基础数据[11]

    目前近地表反射地震方法的研究工作主要在于如何提高地震剖面的信噪比、分辨率和保真度,较少涉及地下介质的层速度反演,缺乏对反射地震数据层速度快速反演的系统研究。反射地震数据的层速度快速反演可以有效估计近地表土壤层的分布厚度和岩土力学参数,对城镇的近地表地层调查和地上地下空间的开发均具有重要意义,是一个亟需解决的科学技术问题。

    为此,本文将反射信号自适应提取、均方根速度自动拾取、层速度快速反演方法相结合,提出用于近地表介质快速探测和反演的探地镜方法。该方法采用地面地震观测的方式,可以通过采集反射地震数据,对数据处理和反演后同时给出地震波层速度和地层结构参数。与目前的方法相比,探地镜不需要钻孔,是一种绿色的勘察方法。

    探地镜与传统的地震反射波采集方法是相同的。为了提高数据采集效率,可以采用二维地震采集方式。检波器道间距宜设置为3~5 m,单边或中间放炮均可,最小偏移距1~2个道间距。对获得的地震单炮数据,进行滤波、初至波切除、面波压制等预处理之后,进行反射信号自适应提取、均方根速度自动拾取和层速度快速反演,即可获得调查点的地层层速度数据。

    传统的奇异值分解方法通常是对时间-空间域的整个地震数据进行奇异值分解。但地震数据中的目标信号和干扰信号有时并不是完整分布于整个数据空间,具有明显的稀疏性和不均匀性。因此,若想精准地提取地震波场信息,则需要进行地震数据的局部分析,采用先分类再提取的处理方案。

    为了自适应划分地震数据局部区域的特征类型,以及自适应地选取地震数据奇异值分解的最佳奇异值数目,将地震数据的整体奇异值分解与局部奇异值分解相结合,我们提出了一种自适应局部奇异值分解方法(adaptive local singular value decomposition,ALSVD)[12]。该方法综合考虑反射地震信号和绕射地震信号间的运动学差异(秩差异)和动力学差异(幅值能量差异),有效利用地震数据奇异值分解的二阶差分谱特征,对地震数据反射信号和绕射信号的分离与提取具有明显效果。该方法基本原理如下:

    将炮集地震数据转换为共偏移距地震数据以突出反射信号与绕射信号之间的秩差异,以便进行地震信号的分离和提取。对单个共偏移距地震数据先进行一次整体数据的奇异值分解,计算获得其奇异值二阶差分谱,记其奇异值二阶差分谱的第一个值为$ {C}_{1} $,令地震数据类型参数$ {C}_{c}={C}_{1} $。利用滑动矩形窗口将该共偏移距地震数据划分为若干个局部地震数据,滑动窗口的横向尺度和纵向尺度均接近于一个波长尺度。利用滑动窗口对局部地震数据进行奇异值分解,计算得到局部地震数据的奇异值二阶差分谱,记局部地震数据的秩为$ r $,局部地震数据二阶差分谱的第一个值为$ {c}_{1} $,局部地震数据二阶差分谱的最大值为$ {c}_{max} $,假设最大值$ {c}_{max} $对应的奇异值序号为$ k $。对比$ {C}_{c} $$ {c}_{1} $值的大小,若$ {c}_{1} > beta\cdot {C}_{c} $,则说明该局部地震数据的奇异值向量属于可分型,可以分离出该局部地震数据中含有的反射信号,其奇异值最佳数目$ K=k $,即选取该局部地震数据奇异值向量的前$ k $个奇异值重建该局部地震数据中的反射信号,剩余$ r-k $个奇异值重建该局部地震数据中的绕射信号;若$ {c}_{1}\le beta\cdot {C}_{c} $,则说明该局部地震数据的奇异值向量属于不可分型,认为该局部地震数据中不含有反射信号或者该局部地震数据中的反射信号无法使用奇异值分解方法进行分离和提取,此时该局部地震数据的反射信号为空矩阵,所有$ r $个奇异值都用于重建该局部地震数据的绕射信号;其中$ beta $为权重因子,默认设置为1,当地震数据特征较为复杂或者地震数据信噪比较低时,可以通过权重因子进行信号分离效果的调节。对所有局部地震数据均完成以上步骤的处理后,将各个局部地震数据中提取的反射信号数据和绕射信号数据分别拼接为一个完整的地震数据,拼接后的反射信号数据和绕射信号数据的大小与原共偏移距地震数据的大小一致,最后分别将反射信号数据和绕射信号数据转换到炮集域,以便进行后续的成像和反演工作。

    均方根速度自动拾取包括速度分析、速度谱的图像增强处理和基于DBSCAN聚类的均方根速度自动拾取。均方根速度的分析采用的是多道地震信号最佳估计的方法[13],获得速度谱数据。为了给速度谱曲线的自动化拾取提供基础,采用一种基于加窗能量补偿和统计平均值滤波的速度谱图像增强方法。它能使得速度谱浅层和深层的能量更加均衡,有利于速度谱曲线的自动化拾取。速度谱的加窗能量补偿首先考虑了地震波的波前扩散效应,即地震波振幅随传播距离的增大而减小,其数学表达为:

    $$ \frac{A}{{A}_{0}}=\frac{1}{R} \text{,} $$ (1)

    其中$ R $为地震波传播距离,$ A $为地震波距离震源$ R $处的振幅,$ {A}_{0} $为地震波距离震源单位距离($ R=1 $)处的振幅。由于地震波的传播距离难以从地震数据中直接获得,因此可采用双程旅行时近似代替地震波的传播距离,进而对单道地震数据的振幅进行加权,此时的加权函数是线性分布的。进一步考虑地震波传播过程中其他因素对振幅的影响,其深层反射信号应衰减更快,因此可以采用窗函数的处理方法增强补偿效果。

    之后,采用DBSCAN聚类方法对均方根速度进行拾取。为使得聚类分析方法能够较好地拾取均方根速度,还需要对加窗能量补偿后的速度谱数据进行统计平均值滤波处理。DBSCAN(density based spatial clustering of applications with noise)是一种无监督机器学习算法,其核心思想是基于密度进行聚类[14]。它有两个重要的算法参数:邻域半径Epsilon和最小点数minPts。这两个算法参数实际上描述了数据空间中的密集与否,当邻域半径内的点数大于最小点数时,认为达到了空间密集的要求。

    在DBSCAN算法中,可将数据空间中的点划分为3类:核心点(core point),边界点(border point)和噪声点(noise point)。邻域半径Epsilon内点数大于等于minPts的点称为核心点。不属于核心点但在某个核心点的领域内的点称为边界点。既不是核心点也不是边界点的点称为噪声点。如图1中,A为核心点,B和C为边界点,N为噪声点。

    图  1  DBSCAN聚类模型示意图
    Figure  1.  Sketch map of a DBSCAN clustering model

    在DBSCAN算法中,点与点之间定义了3类关系,密度直达(directly density-reachable),密度可达(density-reachable)和密度相连(density-connected)。以图1为例,图中A为核心点,$ {P}_{1} $在A的Epsilon邻域内,因此称$ {P}_{1} $到A密度直达。同理,C到$ {P}_{1} $密度直达。但密度直达不具有对称性,例如$ {P}_{1} $到C则不是密度直达(C不是核心点)。由于$ {P}_{1} $$ {P}_{2} $密度直达,$ {P}_{2} $$ {P}_{3} $密度直达,$ {P}_{3} $$ {P}_{4} $密度直达,$ {P}_{4} $到B密度直达,则称$ {P}_{1} $到B密度可达。即密度可达关系包含了密度直达关系。由于A到B密度可达,且A到C密度可达,则称B和C密度相连。除了以上定义的3类关系外,还可以将不属于密度相连的两个点之间的关系称为非密度相连,如点N和点B。

    DBSCAN算法主要包括以下两个步骤:一是寻找核心点形成临时聚类簇,即扫描数据空间中的所有点,如果某个点Epsilon邻域内的点数大于minPts,则将其归类为核心点,并将其密度直达的点形成对应的临时聚类簇;二是扩展更新聚类簇,即检查每一个临时聚类簇中的点是否为核心点,如果是,则将该点对应的临时聚类簇和当前的临时聚类簇合并,扩展为新的临时聚类簇。重复步骤二,直到当前临时聚类簇中的点要么为噪声点,要么其密度直达的点都属于该临时聚类簇,此时即为最终的聚类簇结果。

    利用DBSCAN聚类算法进行速度谱曲线的自动拾取,首先需要将速度谱数据聚类划分为若干个数据子集,每个数据子集对应着$ t-v $平面中的一个空间分布范围。根据每个数据子集的空间分布范围,对原始互相关速度谱数据进行最大值的搜索,此时最大值的位置即为该数据子集的聚类点位置。若原始速度谱数据中的最大值不是一个点,而是一片区域,则取数据子集空间范围内最大值区域的中点位置作为该数据子集的聚类点位置。然后按时间采样顺序对聚类点的速度值进行线性插值处理,便可以自动拾取得到地震数据速度谱的均方根速度。

    由速度谱得到的叠加速度,在水平层状介质假设下即为均方根速度,在倾斜界面情况下经过倾角校正也可视为均方根速度。但均方根速度是与地震波传播过程中所有经过介质均相关的一个物理概念,不能直接指示地下地层真实的地震波速度。因此需要将均方根速度转换为与具体地层岩性相关的层速度,这也是利用地震数据间接测量地下介质地震波速度的最常用方法之一。为了快速准确地求得地下介质的层速度模型,本论文同时利用了均方根速度和反射信号的双程旅行时,采用广义线性反演(generalized linear inversion)方法进行层速度的快速估计[15]

    假定从速度谱数据中获得的均方根速度序列为$ \left\{{v}_{\sigma ,1},{v}_{\sigma ,2},\cdots ,{v}_{\sigma ,m}\right\} $,其对应的时间序列为$ \{{t}_{\sigma ,1},{t}_{\sigma ,2},\cdots , {t}_{\sigma ,m}\} $$ m $为最大采样长度对应的采样点序号。$ n $代表速度谱中有效能量团的数目,同时也是地下介质反射界面的数目。$ {T}_{i}\left(i=\mathrm{1,2},\cdots ,n\right) $表示第$ i $个界面的反射波双程旅行时,$ {T}_{0}=0 $$ {v}_{i} $表示第$ i $层介质的层速度(图2)。需要说明的是,$ \left\{{t}_{\sigma ,1},{t}_{\sigma ,2},\cdots ,{t}_{\sigma ,m}\right\} $是在时间上均匀采样的,它与$ {T}_{i}\left(i=0,1,\cdots ,n\right) $之间的大小关系是明确的。假设$ {T}_{0} < {t}_{\sigma ,1} < {t}_{\sigma ,2}\le {T}_{1} < {t}_{\sigma ,3} < {t}_{\sigma ,4} < \cdots {t}_{\sigma ,m}\le {T}_{n} $,根据层速度与均方根速度的转换关系,可以列出如下方程组

    图  2  层速度模型参数示意图
    Figure  2.  Parameter sketch map of the interval velocity model
    $$ \begin{aligned} &{t}_{\sigma ,1}\times {v}_{\sigma ,1}^{2}=\left({t}_{\sigma ,1}-{T}_{0}\right)\times {v}_{1}^{2}\\ &{t}_{\sigma ,2}\times {v}_{\sigma ,2}^{2}=\left({t}_{\sigma ,2}-{T}_{0}\right)\times {v}_{1}^{2}\\ &{t}_{\sigma ,3}\times {v}_{\sigma ,3}^{2}=\left({T}_{1}-{T}_{0}\right)\times {v}_{1}^{2}+\left({t}_{\sigma ,3}-{T}_{1}\right)\times {v}_{2}^{2}\\ &{t}_{\sigma ,4}\times {v}_{\sigma ,4}^{2}=\left({T}_{1}-{T}_{0}\right)\times {v}_{1}^{2}+\left({t}_{\sigma ,4}-{T}_{1}\right)\times {v}_{2}^{2}\\ &\qquad\qquad\vdots\\ &{t}_{\sigma ,m}\times {v}_{\sigma ,m}^{2}=\left({T}_{1}-{T}_{0}\right)\times {v}_{1}^{2}+\left({T}_{2}-{T}_{1}\right)\\ &\qquad\;\;\qquad\times {v}_{2}^{2}+\cdots +\left({t}_{\sigma ,m}-{T}_{n}\right)\times {v}_{n}^{2}\end{aligned} $$

    将上式化简,并写为矩阵方程形式:

    $$ \boldsymbol{b}=\boldsymbol{A}\boldsymbol{x} , $$ (2)

    其中向量$ \boldsymbol{b} $$ \boldsymbol{x} $的元素分别为

    $$ \begin{aligned}&{{b}_{i}=t}_{\sigma ,i}\times {v}_{\sigma ,i}^{2}\\ &{x}_{i}=\Delta {T}_{i}\times {v}_{i}^{2}\end{aligned} \text{,} $$ (3)

    其中$ \Delta {T}_{i}={T}_{i}-{T}_{i-1} $

    矩阵$ \boldsymbol{A} $$ m\times n $的二维矩阵,它的元素满足

    $$ {a}_{ji}=\left\{\begin{aligned} &1,&&k < i\\ &\left({t}_{\sigma ,j}-{T}_{i-1}\right)/\Delta {T}_{k},&&k=i\\ &0,&&k > i\end{aligned}\right. 。 $$ (4)

    此时,层速度估计问题即为线性方程组(2)的求解问题。

    式(2)为线性超定方程组,且$ \boldsymbol{b} $$ \boldsymbol{A} $是已知的,因此可采用广义线性反演方法求解该方程组的最小二乘解估计,从而求得$ \boldsymbol{x} $中的未知量$ {v}_{i} $。广义线性反演方法的核心在于求取目标方程组正过程算子矩阵$ \boldsymbol{A} $的广义逆矩阵$ \boldsymbol{G} $

    为了验证方法的有效性,在杭州进行了现场试验,试验地点位于浙江大学紫金港校区校园内(图3)。该处第四系厚度约41 m,从上至下,地层主要包括杂填土、淤泥质粉质黏土、粉质黏土、黏土、中砂、圆砾、夹粉质黏土等,基岩为砂岩。图3为地震数据采集的布置示意图。激发震源为小吨位的夯击震源,观测方式为中间放炮双边接收,由72道检波器进行接收,道间距为2 m,时间采样率为0.0001 s。

    图  3  杭州地震试验数据采集布置示意图
    Figure  3.  Acquisition geometry of seismic data in Hangzhou

    图4(a)为带通滤波(20-30-180-200 Hz)和切除初至后的单炮地震数据。该地震数据中反射信号较为明显。但由于其近偏移距部分的地震数据质量较差,因此处理时仅截取其左侧前21道地震数据进行速度谱的制作和分析。对截取的地震数据进行反射信号的提取,提取后的地震数据如图4(b)所示。对地震数据进行速度分析,图5(a)即为该地震数据的互相关速度谱。经过速度谱图像增强处理后,最终的均方根速度拾取结果如图5(b)中的红线所示。从图中可以看出,图像增强处理较好地限定了速度谱能量团的空间分布范围,为后续的均方根速度自动拾取提供了较好的数据基础。

    图  4  地震单炮记录
    Figure  4.  Seismic data
    图  5  图像增强处理前后的速度谱
    Figure  5.  Velocity spectra before and after image enhancing

    利用自动拾取的均方根速度进行层速度快速反演,其反演结果如图6(b)所示。从图6(b)中可以看出,探地镜方法的反演结果将地下介质分为4层,第1层介质的层速度为1224.5 m/s,厚度为22 m;第2层介质的层速度为1716.5 m/s,厚度为11.6 m;第3层介质的层速度为2215.5 m/s,厚度为4.4 m;第4层介质的层速度为3005.4 m/s,厚度为23.1 m。

    图  6  反演的房速度与钻孔资料对比图
    Figure  6.  Comparison of inverted interval velocity with drilling data

    对比岩土工程勘探的结果[16]图6(a)),可以发现地下介质的固结程度由上至下逐渐增强,这与深度越深层速度越大的趋势是一致的。由于岩土工程勘探结果采用的是直接钻探的方式,因此它具有很高的纵向分辨率。但由于该方法成本高昂,且仅能反应钻探点附近的地下介质,因此应用有一定的局限性,但可以与地球物理方法相结合,提高综合勘探能力。

    从层速度与岩土工程勘探结果对比可以看出,两者显示的地下各层介质的分布趋势是一致的。层速度反演的第1层介质大致反映了岩土工程勘探结果中的1~4层,层速度反演的第2层介质大致反应了岩土工程勘探结果中的5~7层,层速度反演的第3层介质大致反应了岩土工程勘探结果中的8~10层,层速度反演的第4层介质大致反应了岩土工程勘探结果中的11~13层。

    在已知部分地质先验信息的情况下,可以将反演的层速度转换为岩石的单轴抗压强度。其经验公式为[17]

    $$ R=0.5\left[\rho {V}_{P}^{2}\left(1-2\sigma \right)\right]/\left[{C}_{P}\left(1-\sigma \right)\right] \text{,} $$ (5)

    其中$ R $为岩石的单轴抗压强度。$ \rho $为岩石密度,$ \sigma $为岩石泊松比,$ {V}_{P} $为岩石的纵波速度。$ {C}_{P} $为常系数,与岩性有关。

    按照上述转换方法,计算出地下介质岩土力学性质的估计结果,如图4(c)所示。首先基于岩土工程勘探结果估算得到$ {C}_{P}=4.3\times {10}^{5} $,然后利用换算公式(5)进行单轴抗压强度的计算。其中各层地下介质的密度和泊松比参数如表1所示。1~4层地下介质单轴抗压强度的最终估计结果分别为1.05、3.00、5.00和14.00 MPa。根据《工程岩体分级标准》GB/T50218-2014的岩石坚硬程度划分标准[18]表2),前3层划分为极软岩层,第4层划分为软岩层。

    表  1  地下介质的速度、密度和泊松比参数
    Table  1.  Velocity, density, and Poisson’s ratio of subsurface materials
    纵波速度/(m/s)密度/(g/cm3泊松比
    第1层1224.51.80.4
    第2层1716.51.90.35
    第3层2215.51.90.35
    第4层3005.42.00.25
    下载: 导出CSV 
    | 显示表格
    表  2  岩石坚硬程度划分
    Table  2.  Rock category based on degree of hardness
    岩石坚硬程度 岩石饱和单轴抗压
    强度$ {R}_{c} $(MPa)
    硬质岩 坚硬岩  $ > 60 $
    较坚硬岩 $ 60~30 $
    软质岩 较软岩  $ 30~15 $
    软岩   $ 15~5 $
    极软岩  $ \le 5 $
    下载: 导出CSV 
    | 显示表格

    通过实际地震数据应用示例,可以看到探地镜方法提供的层速度反演结果与地下介质的岩性分层具有较好的对应关系。虽然探地镜方法只将地下介质划分为了4层,但具有无损、快速、成本较低等特点。此外,探地镜方法对于表土层和基岩层等强波阻抗界面具有较好的分辨能力,可以较好地确定表土层底界面和基岩层顶界面的深度。从估计的抗压强度来看,土壤层和基岩风化层分别对应极软岩和软岩层,与岩土工程勘探结论也是吻合的。因此,当已知部分地质先验信息时,探地镜方法可以进一步估计岩石的单轴抗压强度,从而进行地下介质坚硬程度和岩土体稳定性的判断。需要说明的是,由于地球物理反演具有固有的多解性,所以反演的层速度转换到抗压强度,可能会受到层速度反演精度影响。利用原位测试获得地层速度,对反演结果进行约束和校正,有可能改善反演结果,是有待进一步研究的问题。

    通过将层速度快速反演方法与反射信号自适应提取、均方根速度自动拾取相结合,可以形成一个近地表层速度快速探测和反演的流程,结合地质先验信息,可以计算出岩土层的抗压强度参数,称之为探地镜方法。该方法有以下几个特点:

    (1)自动化的反射信号提取。利用奇异值二阶差分谱的第一个值进行奇异值向量模式的划分和局部地震数据的分类,利用奇异值二阶差分谱最大值的索引位置自适应地确定反射地震信号重建的最佳奇异值数目。自适应局部奇异值分解方法采用整体分析与局部分析相结合的思想,无需人工经验设置阈值,能够自适应地提取地震数据中的反射目标信号。

    (2)自动化的速度拾取。通过对速度谱制作和速度谱曲线自动拾取两个方面进行了改进,采用基于加窗能量补偿和统计平均值滤波的互相关速度谱图像增强方法以及基于DBSCAN聚类和线性插值的均方根速度自动拾取方法,实现自动化速度拾取。图像增强处理能够较好地限定速度谱中能量团的分布范围,以及均衡速度谱中能量团的幅值大小,为均方根速度的自动拾取提供基础。DBSCAN聚类方法较好地利用了图像增强后的速度谱特征,结合线性插值方法能够快速准确地进行均方根速度的自动拾取,从而为后续的层速度快速反演提供保障。

    (3)快速稳定的层速度反演。通过对层速度和均方根速度基本关系的研究,构造了一个求解层速度的线性方程组。在广义线性反演的框架下,采用加阻尼的截断奇异值修改策略进行线性方程组的求解,该层速度反演方法快速稳定,对数据拾取中的随机误差干扰具有较好的压制作用。

    探地镜方法可以在地震数据采集的同时快速提供地下介质的结构信息和速度信息,对强波阻抗界面具有较好的分辨能力。在已知部分地质先验信息的情况下,探地镜方法可以将层速度反演结果转换为岩石的单轴抗压强度,从而估计地下介质的岩土力学性质,为城市地下空间的开发利用提供基础数据资料。

    致谢:感谢王超和何新鑫对地震数据采集提供的帮助。感谢浙江大学档案馆提供的岩土工程勘探报告。

  • 图  1   DBSCAN聚类模型示意图

    Figure  1.   Sketch map of a DBSCAN clustering model

    图  2   层速度模型参数示意图

    Figure  2.   Parameter sketch map of the interval velocity model

    图  3   杭州地震试验数据采集布置示意图

    Figure  3.   Acquisition geometry of seismic data in Hangzhou

    图  4   地震单炮记录

    Figure  4.   Seismic data

    图  5   图像增强处理前后的速度谱

    Figure  5.   Velocity spectra before and after image enhancing

    图  6   反演的房速度与钻孔资料对比图

    Figure  6.   Comparison of inverted interval velocity with drilling data

    表  1   地下介质的速度、密度和泊松比参数

    Table  1   Velocity, density, and Poisson’s ratio of subsurface materials

    纵波速度/(m/s)密度/(g/cm3泊松比
    第1层1224.51.80.4
    第2层1716.51.90.35
    第3层2215.51.90.35
    第4层3005.42.00.25
    下载: 导出CSV

    表  2   岩石坚硬程度划分

    Table  2   Rock category based on degree of hardness

    岩石坚硬程度 岩石饱和单轴抗压
    强度$ {R}_{c} $(MPa)
    硬质岩 坚硬岩  $ > 60 $
    较坚硬岩 $ 60~30 $
    软质岩 较软岩  $ 30~15 $
    软岩   $ 15~5 $
    极软岩  $ \le 5 $
    下载: 导出CSV
  • [1] 魏雨浓, 石战结, 余天祥. 不同电极阵列联合反演在古墓探测中的应用[J]. CT理论与应用研究, 2022, 31(3): 280-292. DOI: 10.15953/j.ctta.2022.008.

    WEI Y N, SHI Z J, YU T X. Application of joint inversion of different electrode arrays in ancient mausoleum detection[J]. CT Theory and Applications, 2022, 31(3): 280-292. DOI: 10.15953/j.ctta.2022.008.

    [2] 刘江平, 王莹莹, 刘震. 近地表反射和折射法的进展及应用[J]. 地球物理学报, 2015, 58(9): 3286-3305.

    Liu J P, Wang Y Y, Liu Z. Progress and application of near-surface reflection and refraction method [J]. Chinese J Geophys, 58(9): 3286-3305. (in Chinese).

    [3] 韦红, 白清云, 孙佳林, 等. 地震信号谐波提频技术在辫状河砂体精细识别的应用[J]. CT理论与应用研究(中英文), 2024, 33(5): 577-584. DOI: 10.15953/j.ctta.2023.176.

    WEI H, BAI Q Y, SUN J L, et al. Application of Seismic Signal Harmonic Frequency Enhancement Technology for Fine Identification of Braided River Sand Bodies[J]. CT Theory and Applications, 2024, 33(5): 577-584. DOI: 10.15953/j.ctta.2023.176.

    [4] 刘庆文, 秦德文, 胡伟. AVO 信息约束匹配追踪技术在富煤储层刻画中的应用[J]. CT理论与应用研究, 2023, 32(2): 189-197. DOI: 10.15953/j.ctta.2022.218.

    LIU Q W, QIN D W, HU W. Application of AVO Information-constrained Matching Pursuit Technique in Rich Coal Reservoir Characterization[J]. CT Theory and Applications, 2023, 32(2): 189-197. DOI: 10.15953/j.ctta.2022.218.

    [5]

    MALEHMIR A, ZHANG F, DEHGHANNEJAD M, et al. Planning of urban underground infrastructure using a broadband seismic landstreamer—Tomography results and uncertainty quantifications from a case study in southwestern Sweden[J]. Geophysics, 2015, 80(6): B177-B192. DOI: 10.1190/geo2015-0052.1.

    [6]

    MARTÍ D, CARBONELL R, FLECHA I, et al. High-resolution seismic characterization in an urban area: Subway tunnel construction in Barcelona, Spain[J]. Geophysics, 2008, 73(2): B41-B50. DOI: 10.1190/1.2832626.

    [7]

    AHOKANGAS E, MÄKINEN J, ARTIMO A, et al. Interlobate esker aquifer characterization by high resolution seismic reflection method with landstreamer in SW Finland[J]. Journal of Applied Geophysics, 2020, 177: 104014. DOI: 10.1016/j.jappgeo.2020.104014.

    [8] INAZAKI, TOMIO, 张弋. 应用于岩土力学的浅层反射地震[C]//勘探地球物理国际讨论会论文摘要, 北京, 1989.

    Inazaki T, Zhang G. Shallow reflection seismic method applied to geotechnical mechanics [C]//Proceedings of the International Symposium on Exploration Geophysics, Beijing, 1989.

    [9] 周洪福, 聂德新, 王春山. 水电工程坝基玄武岩体波速与变形模量关系[J]. 地球科学(中国地质大学学报), 2015, 40(11): 1904-1912.

    ZHOU H F, NIE D X, WANG C S. Correlation between wave velocity and deformation modulus of basalt masses as dam foundation in hydropower projects[J]. Earth Science, 2015, 40(11): 1904-1912.

    [10] 李文, 谭卓英. 基于P波模量的岩石单轴抗压强度预测[J]. 岩土力学, 2016, 37(S2): 381-387.

    LI W, TAN Z Y. Prediction of uniaxial compressive strength of rock based on P-wave modulus[J]. Rock and Soil Mechanics, 2016, 37(S2): 381-387.

    [11] 张宜虎, 周火明, 邬爱清. 基于质量分级的岩体变形模量统计[J]. 岩石力学与工程学报, 2011, 30(3): 486-492.

    ZHANG Y H, ZHOU H M, WU A Q. Statistical analysis of deformation moduli of rock masses based on quality classification[J]. Chinese Journal of Rock Mechanics and Engineering, 2011, 30(3): 486-492.

    [12]

    JIANG J, YANG W, REN H. Seismic wavefield information extraction method based on adaptive local singular value decomposition[J]. Journal of Applied Geophysics, 2023, 210: 104965. DOI: 10.1016/j.jappgeo.2023.104965.

    [13]

    YILMAZ O. Seismic Data Analysis[M]. Tulsa: Society of Exploration Geophysicists, 2001.

    [14]

    ESTER M, KRIEGEL H P, SANDER J, et al. A density-based algorithm for discovering clusters in large spatial databases with noise[C]//Proceedings of the 2nd ACM International Conference on Knowledge Discovery and Data Mining (KDD), 1996, 226-231.

    [15] 杨文采. 地球物理反演的理论与方法[M]. 北京: 地质出版社, 1997.

    YANG W C. Geophysical inversion theory and method [M]. Geology Press Beijing China, 1997.

    [16] 张亚天. 浙江大学紫金港校区主干道路及校门建设工程岩土工程勘察报告[R]. 浙江城建勘察研究院有限公司, 2018.

    ZHANG Y T. Geotechnical Investigation Report on the Main Road and Gate Construction Project of Zijingang Campus in Zhejiang University [R]. Zhejiang Urban Construction Survey and Research Institute Co. , Ltd, 2018.

    [17] 杨文采. 反射地震学理论纲要[M]. 北京: 石油工业出版社, 2012.

    YANG W C. Theoretical Outline of Reflection Seismology [M]. Petroleum Industry Press Beijing China, 2012.

    [18] 中华人民共和国水利部. GB/T 50218-2014 工程岩体分级标准[S]. 北京: 中国计划出版社, 2014.

    Ministry of Water Resources of the PRC. GB/T 50218-2014 Standard for engineering classification of rock masses [S]. Planning Press Beijing China, 2014.

图(6)  /  表(2)
计量
  • 文章访问数:  14
  • HTML全文浏览量:  3
  • PDF下载量:  2
  • 被引次数: 0
出版历程
  • 收稿日期:  2024-08-25
  • 修回日期:  2024-10-31
  • 录用日期:  2024-11-12
  • 网络出版日期:  2024-12-01

目录

/

返回文章
返回
x 关闭 永久关闭