(中國(guó)海洋大學(xué)海洋地球科學(xué)學(xué)院，山東青島，266100)

可控源電磁法(controlled-source electromagnetic methods,CSEM)已成功應(yīng)用于海底油氣、天然氣水合物及礦產(chǎn)資源勘探中[1-2]。頻率域海洋CSEM通常的工作方式是在海底上方拖曳電偶極子源，發(fā)射頻率為0.1～10 Hz的電磁信號(hào)，并在海底布設(shè)接收站采集經(jīng)過(guò)海底地層傳播的電磁信號(hào)[3]。當(dāng)前頻率域海洋CSEM一維反演[4-8]和二維反演[3,9-13]發(fā)展較為成熟，三維反演算法在不斷發(fā)展中[14-16]。在海洋CSEM反演研究方面，前人的工作主要集中在反演算法的選取[9,17-24]、反演網(wǎng)格及初始模型的選擇[3,15]和正則化參數(shù)的選取[9,14]等方面，而對(duì)電磁場(chǎng)分量、發(fā)射頻率和觀測(cè)模式的選取研究較少。常規(guī)的海洋CSEM反演以軸向觀測(cè)模式下的單頻軸向電場(chǎng)分量反演為主[25]，KEY等[4,8]通過(guò)理論模型的反演測(cè)試發(fā)現(xiàn)，使用多頻率數(shù)據(jù)、多分量電磁場(chǎng)數(shù)據(jù)或混合觀測(cè)模式參與反演均能明顯改善反演結(jié)果，但未給出反演結(jié)果改善的理論依據(jù)。為探究一維時(shí)間域海洋CSEM對(duì)海底天然氣水合物的分辨能力，EDWARDS[26]提出特征參數(shù)分析方法來(lái)研究電磁場(chǎng)數(shù)據(jù)的分辨率，即對(duì)雅可比矩陣進(jìn)行奇異值分解(SVD)，利用特征參數(shù)來(lái)定量分析反演參數(shù)耦合性，以此為依據(jù)確定地層電阻率或?qū)雍裨诜囱葜心芊裰貥?gòu)。SCHOLL等[27]使用特征參數(shù)分析方法研究了時(shí)間域海洋CSEM法對(duì)海底高阻層的分辨能力。H?LZ等[28]使用特征參數(shù)分析方法分析時(shí)間域海洋CSEM中的旋轉(zhuǎn)不變量參數(shù)，結(jié)果表明使用旋轉(zhuǎn)不變量數(shù)據(jù)進(jìn)行共中心點(diǎn)反演可以較好地恢復(fù)海底電性結(jié)構(gòu)。SWIDINSKY等[29]進(jìn)一步研究了時(shí)間域海洋CSEM法中發(fā)射源導(dǎo)航參數(shù)和海底電阻率參數(shù)的同步反演問(wèn)題，發(fā)現(xiàn)在反演過(guò)程中，發(fā)射源導(dǎo)航參數(shù)和地下電阻率是解耦的，反演可以同時(shí)重構(gòu)這2類不同參數(shù)。LI等[30]則對(duì)頻率域海洋CSEM法中的發(fā)射源導(dǎo)航參數(shù)和電阻率進(jìn)行了同步反演。本文在實(shí)現(xiàn)了頻率域海洋CSEM一維反演的基礎(chǔ)上，考察反演中電磁場(chǎng)分量、發(fā)射頻率和觀測(cè)模式對(duì)反演結(jié)果的影響，使用特征參數(shù)分析方法深入分析造成這些影響的原因，并將特征參數(shù)分析方法應(yīng)用于實(shí)際數(shù)據(jù)的反演。

1 基本理論

1.1 海洋CSEM一維反演算法

一維層狀電阻率各向同性介質(zhì)中水平電偶極子和垂直電偶極子激勵(lì)下源的位函數(shù)及電磁場(chǎng)的表達(dá)式可由矢量位函數(shù)推導(dǎo)得到[7]，在正演過(guò)程中采用ANDERSON[31]給出的801點(diǎn)漢克爾變換濾波系數(shù)，可保證在較高頻率時(shí)計(jì)算結(jié)果的準(zhǔn)確性。

高斯-牛頓法同時(shí)利用了目標(biāo)函數(shù)的一階導(dǎo)數(shù)和二階導(dǎo)數(shù)信息，具有較好的收斂性[32]，已廣泛應(yīng)用于CSEM反演中[8-9,18,23,33]。本文的海洋CSEM一維反演使用的便是高斯-牛頓法?；谡齽t化約束建立反演目標(biāo)函數(shù)如下：

式中：?d(m)為數(shù)據(jù)擬合泛函；?m(m)為模型穩(wěn)定泛函；m為模型參數(shù)(電阻率的對(duì)數(shù)lgρ)；mref為包含先驗(yàn)信息的參考模型；λ為正則化參數(shù)；dobs為觀測(cè)數(shù)據(jù)；F(m)為正演響應(yīng)函數(shù)；Wm為模型加權(quán)矩陣；數(shù)據(jù)加權(quán)矩陣Wd為與數(shù)據(jù)標(biāo)準(zhǔn)差有關(guān)的對(duì)角矩陣，其表達(dá)式為[17]：

δi(i=1,…,Nd)為第i個(gè)數(shù)據(jù)的標(biāo)準(zhǔn)差，Nd為觀測(cè)數(shù)據(jù)個(gè)數(shù)；η為數(shù)據(jù)本底噪音。這里將電場(chǎng)E本底噪音取為10-15V/(A·m2)，磁感應(yīng)強(qiáng)度B本底噪音取為10-18T/(A·m)。對(duì)于模型的約束方式，使用最小梯度支撐約束(minimum gradient support，MGS)[34]，與常用的光滑約束相比，MGS允許反演中模型參數(shù)的劇烈變化，可以獲得更清晰的電性邊界。

在高斯-牛頓反演中采用如下的迭代格式：

式中：gk為目標(biāo)函數(shù)的梯度向量；Hk為目標(biāo)函數(shù)的海森矩陣；qk為模型更新量；αk為步長(zhǎng)；k為當(dāng)前迭代次數(shù)。gk和Hk分別具有以下形式：

式中：Jk= ?F(mk)/?lgρ，為雅可比矩陣(或稱靈敏度矩陣)，可由解析公式給出[30]。步長(zhǎng)αk采用基于Wolfe條件的非精確線搜索方法選取[32]。

正則化參數(shù)λ的選取是反演中的關(guān)鍵，本文采用NEWMAN等[14]提出的經(jīng)驗(yàn)公式來(lái)計(jì)算第k次迭代的λ：

式中：anj為矩陣[(WdJ)T(WdJ)]中的元素。

在反演過(guò)程中，為使得模型參數(shù)m在合理范圍內(nèi)，采用非線性變換來(lái)約束模型參數(shù)[35-36]。

1.2 特征參數(shù)分析方法

特征參數(shù)分析(engenparameter analysis)是分析反演數(shù)據(jù)分辨能力的有效手段[26-29]。設(shè)模型參數(shù)向量為m，對(duì)應(yīng)正演響應(yīng)向量為F(m)，對(duì)其添加一定誤差e得到理論觀測(cè)數(shù)據(jù)f(m)=F(m)+e。在考慮觀測(cè)誤差的情況下，一階Taylor近似下正演響應(yīng)與模型參數(shù)的關(guān)系可近似為，

式中：J為雅可比矩陣。SCHOLL等[27]指出，對(duì)于廣義線性反演算法(如高斯-牛頓算法和共軛梯度算法等)，通過(guò)一階Taylor級(jí)數(shù)展開可將非線性反演問(wèn)題線性化，僅當(dāng)模型參數(shù)變化量?m較小時(shí)，f(m)與m才可近似為線性關(guān)系。為便于特征參數(shù)分析，將f(m)和m均轉(zhuǎn)換到對(duì)數(shù)域[26]，即

LANG[37]給出復(fù)數(shù)的對(duì)數(shù)形式：

式中：i為虛數(shù)單位。考慮到

將式(10)代入式(9)經(jīng)過(guò)轉(zhuǎn)換，可得到：

對(duì)理論模型所對(duì)應(yīng)的雅可比矩陣進(jìn)行特征值分解(SVD)可得：

式中：數(shù)據(jù)矩陣U為Nd×Nm的酉矩陣(即有UT=U-1)；S為Nm×Nm階的對(duì)角陣；V為Nm×Nm的酉矩陣；Nd和Nm分別為觀測(cè)數(shù)據(jù)和模型參數(shù)個(gè)數(shù)。S包含雅可比矩陣J的特征值(Eigenvalues)，數(shù)據(jù)矩陣V包含雅可比矩陣J的特征參數(shù)(Eigenparameters)。將式(12)代入式(8)可得

EDWARDS[26]指出，式(13)可用于分析實(shí)際數(shù)據(jù)的特征參數(shù)的誤差，即

這說(shuō)明特征參數(shù)的誤差為對(duì)應(yīng)特征參數(shù)的倒數(shù)，且模型參數(shù)的誤差上限可用下式估算：

式中：i=1,…,Nd。

使用特征參數(shù)可定量分析反演數(shù)據(jù)對(duì)反演參數(shù)(一維情況下為地層電阻率等)的耦合性，以此為依據(jù)確定地層電阻率等在反演中能否重構(gòu)[27]。

2 合成數(shù)據(jù)反演

采用經(jīng)典的海洋一維油氣儲(chǔ)層模型進(jìn)行測(cè)試[25]。圖1所示為海洋一維油氣儲(chǔ)層模型示意圖。由圖1可見：該模型分5層，在海底地層中存在100 m高阻薄儲(chǔ)層；在離海底上方50 m處沿y方向均勻布設(shè)41個(gè)水平電偶源，間距500 m(發(fā)射源坐標(biāo)為xs=0 m，ys=0～20 km，zs=950 m)，在海底布設(shè)1個(gè)接收站(x=y=0 m，z=1 000 m)。假定發(fā)射電流為1 A。理論模型正演數(shù)據(jù)(電場(chǎng)和磁場(chǎng)分量)的實(shí)部和虛部分別添加高斯隨機(jī)噪音作為觀測(cè)數(shù)據(jù)進(jìn)行反演。初始模型采用海底電阻率為1 Ω·m的均勻半空間模型。反演時(shí)空氣層和海水層電阻率和厚度固定，因此，在最終反演結(jié)果中空氣層和海水層將不再顯示。下面分別討論電磁場(chǎng)分量的選擇、頻率的選擇及觀測(cè)模式對(duì)反演的影響。

2.1 電磁場(chǎng)分量的影響

圖1 海洋一維油氣儲(chǔ)層模型示意圖Fig.1 1D canonical reservoir model

以海洋CSEM施工中常用的軸向觀測(cè)模式為例，y方向電偶源產(chǎn)生水平電場(chǎng)分量Ey，垂直電場(chǎng)分量Ez和水平磁場(chǎng)分量Bx。常規(guī)頻率域海洋CSEM反演以軸向觀測(cè)模式下的單頻軸向電場(chǎng)分量(Ey)反演為主[24]。本節(jié)將對(duì)使用單分量數(shù)據(jù)和同時(shí)使用Ey，Ez和Bx這3個(gè)分量數(shù)據(jù)的反演結(jié)果進(jìn)行對(duì)比，所用發(fā)射頻率為0.3 Hz和1.0 Hz。合成數(shù)據(jù)使用電磁場(chǎng)分量的實(shí)部和虛部，并加入2%的高斯隨機(jī)噪聲。圖2所示為不同磁場(chǎng)分量合成數(shù)據(jù)反演結(jié)果。由圖2可見：僅使用1個(gè)分量數(shù)據(jù)進(jìn)行反演時(shí)，不但反演得到的高阻薄層厚度過(guò)大，且高阻薄層的位置有明顯偏移，同時(shí)在淺層和深層出現(xiàn)明顯虛假異常；使用3個(gè)分量數(shù)據(jù)進(jìn)行反演時(shí)，反演結(jié)果得到改善，高阻薄層的埋深、厚度和電阻率范圍均得到較好還原，但在淺層和深層仍存在明顯虛假異常，這可以通過(guò)特征參數(shù)分析方法加以解釋。

圖2 不同電磁場(chǎng)分量合成數(shù)據(jù)反演結(jié)果Fig.2 Inversion of synthetic data using different electric and magnetic components

對(duì)于如圖1所示的5層測(cè)試模型，在空氣層和海水層已知的情況下，需要反演的海底地層參數(shù)共有3個(gè)(海底從上至下3層介質(zhì)的電阻率ρ1，ρ2和ρ3)。圖3所示為不同電磁場(chǎng)分量情況下特征參數(shù)分析結(jié)果，其中橫坐標(biāo)為特征參數(shù)(用P表示)序號(hào)，縱坐標(biāo)為要反演的模型參數(shù)m(電阻率以10為底的對(duì)數(shù))序號(hào)，對(duì)應(yīng)的特征參數(shù)值以圓圈給出，白圓代表正特征參數(shù)，黑圓代表負(fù)特征參數(shù)，圓半徑對(duì)應(yīng)相對(duì)數(shù)值。由于V是酉矩陣，故特征參數(shù)絕對(duì)值不超過(guò)1，圖例中給出圓圈大小對(duì)應(yīng)單位值(1對(duì)應(yīng)白圓，-1對(duì)應(yīng)黑圓)。

SCHOLL等[27]指出，不同模型參數(shù)對(duì)應(yīng)的特征參數(shù)P表征模型參數(shù)的耦合程度，P越大，則該模型參數(shù)解耦性越好。從圖3(a)，(b)和(c)可以看出，前2個(gè)特征參數(shù)P1和P2對(duì)應(yīng)ρ1和ρ2，并且耦合在一起，說(shuō)明使用單分量數(shù)據(jù)反演難以將ρ1和ρ2區(qū)分開；而第3個(gè)特征參數(shù)P3對(duì)應(yīng)ρ3并且與P1和P2是解耦的，但是P3對(duì)應(yīng)特征值均不超過(guò)1，這說(shuō)明使用單分量數(shù)據(jù)難以反演出ρ3。從圖3(d)可以看出：P1和P2分別對(duì)應(yīng)ρ2和ρ1，而P3對(duì)應(yīng)ρ3，P1和P2仍然耦合在一起，但與單頻情況相比，耦合程度要弱；P3與P1和P2是解耦的，P3對(duì)應(yīng)特征值為1.70。這說(shuō)明使用3分量數(shù)據(jù)時(shí)反演結(jié)果要優(yōu)于單分量數(shù)據(jù)反演結(jié)果。

2.2 頻率的影響

反演所用合成數(shù)據(jù)使用Ey，Ez和Bx的實(shí)部和虛部并加入2%高斯隨機(jī)噪聲。圖4所示為不同頻率合成數(shù)據(jù)的反演結(jié)果，數(shù)據(jù)擬合差均接近1。

由圖4(a)和(b)可見：使用單頻率(0.3或1.0 Hz)進(jìn)行反演時(shí)，反演得到的高阻薄層厚度過(guò)大，且高阻薄層的位置有明顯下移，同時(shí)在淺層和深層出現(xiàn)明顯虛假異常。由圖4(c)可見：使用2個(gè)頻率(0.3和1.0 Hz)進(jìn)行反演時(shí)，高阻層的埋深和厚度得到較好還原，但淺層和深層仍有明顯虛假異常。由圖4(d)和(e)可見：使用3個(gè)頻率(0.1，0.3和1.0 Hz)或使用4個(gè)頻率(0.1，0.3，1.0和3.0 Hz)進(jìn)行反演時(shí)，高阻層的埋深和厚度在得到較好還原的同時(shí)，淺層和深層的虛假異常得到較好壓制，尤其是使用4個(gè)頻率數(shù)據(jù)反演的結(jié)果更優(yōu)。

圖3 不同電磁場(chǎng)分量情況下特征參數(shù)分析結(jié)果Fig.3 Engenparameter analysis for synthetic data using different electric and magnetic components

圖4 不同頻率合成數(shù)據(jù)反演結(jié)果Fig.4 Inversion of synthetic data using different frequencies

圖5所示為多頻率情況下特征參數(shù)分析結(jié)果。從圖5(a)和(b)可以看出：前2個(gè)特征參數(shù)P2和P1對(duì)應(yīng)ρ1和ρ2，并且耦合在一起，說(shuō)明使用單頻數(shù)據(jù)反演難以將ρ1和ρ2區(qū)分開；第3個(gè)特征參數(shù)P3對(duì)應(yīng)ρ3并且與P1和P2是解耦的，但是P3對(duì)應(yīng)特征值較小，這說(shuō)明使用單分量數(shù)據(jù)難以反演出ρ3。由圖5(c)可見：使用2個(gè)頻率時(shí)特征參數(shù)分析結(jié)果是類似的，前2個(gè)特征參數(shù)P1和P2(對(duì)應(yīng)ρ1和ρ2)耦合在一起，P3(對(duì)應(yīng)ρ3)對(duì)應(yīng)特征值較小，反演時(shí)難以區(qū)分ρ3。從圖5(d)和圖5(e)可以看出：P1，P2和P3(分別對(duì)應(yīng)ρ2，ρ1和ρ3)是解耦的，這說(shuō)明使用3個(gè)或4個(gè)頻率反演時(shí)可以較好還原ρ2，ρ1和ρ3，且使用4個(gè)頻率的特征參數(shù)解耦性最好。由此可知，在合適的頻率范圍內(nèi)，適當(dāng)增加頻點(diǎn)個(gè)數(shù)可有效改善反演結(jié)果。

2.3 觀測(cè)模式的影響

在頻率域海洋CSEM勘探中，常使用軸向觀測(cè)模式采集數(shù)據(jù)。下面對(duì)比單一觀測(cè)模式(軸向觀測(cè)模式inline或赤道觀測(cè)模式broadside)合成數(shù)據(jù)和混合觀測(cè)模式(軸向觀測(cè)模式+赤道觀測(cè)模式)下合成數(shù)據(jù)反演結(jié)果。發(fā)射頻率為0.1，0.3，1.0和3.0 Hz，合成數(shù)據(jù)使用電磁場(chǎng)分量實(shí)、虛部并加入2%高斯隨機(jī)噪聲。軸向觀測(cè)模式下電磁場(chǎng)分量Ey，Ez和Bx參與反演，赤道觀測(cè)模式下電磁場(chǎng)分量Ex，By和Bz參與反演，混合觀測(cè)模式下電磁場(chǎng)6個(gè)分量均參與反演。

圖6所示為不同觀測(cè)模式下合成數(shù)據(jù)的反演結(jié)果。從圖6可以看出：赤道觀測(cè)模式數(shù)據(jù)反演所得高阻層的位置相對(duì)真實(shí)模型向上有所偏移(圖6(b))，這與CONSTABLE[2]的結(jié)論是一致的，與軸向觀測(cè)模式情況相比，赤道模式數(shù)據(jù)對(duì)地下電性結(jié)構(gòu)敏感性較差、恢復(fù)能力差，因此，在頻率域海洋CSEM勘探中常使用軸向觀測(cè)模式采集數(shù)據(jù)。軸向觀測(cè)模式或混合觀測(cè)模式數(shù)據(jù)反演結(jié)果較好，且混合觀測(cè)模式下淺層和深層的電阻率更接近真實(shí)值。

圖5 不同頻率情況下特征參數(shù)分析結(jié)果Fig.5 Engenparameter analysis for synthetic data using different frequencies

圖6 不同觀測(cè)模式下合成數(shù)據(jù)反演結(jié)果Fig.6 Inversion of synthetic data using different survey geometries

圖7所示為不同觀測(cè)模式下特征參數(shù)分析結(jié)果。由圖7可見：赤道觀測(cè)模式下特征參數(shù)的解耦性較差，而在軸向觀測(cè)模式和混合觀測(cè)模式下，特征參數(shù)的解耦性較好，且混合模式下特征參數(shù)耦合程度最低，表明混合觀測(cè)模式數(shù)據(jù)反演效果最好。

3 實(shí)際數(shù)據(jù)反演

圖7 不同觀測(cè)模式下特征參數(shù)分析結(jié)果Fig.7 Engenparameter analysis for synthetic data using different survey geometries

下面對(duì)挪威Troll油田的實(shí)際數(shù)據(jù)進(jìn)行反演試算。取實(shí)測(cè)數(shù)據(jù)某一測(cè)線進(jìn)行測(cè)試[38]，該測(cè)線區(qū)海底地形起伏較小，平均水深約330 m，測(cè)線長(zhǎng)約18 km，其中46個(gè)發(fā)射源離海底約30 m深度處，接收站位于海底。發(fā)射頻率包括0.25，0.75和1.25 Hz。選取某一接收站處采集的水平軸向電場(chǎng)分量進(jìn)行反演(在此次海試中，只有水平軸向電場(chǎng)分量有效，因此，暫時(shí)無(wú)法進(jìn)行多分量數(shù)據(jù)反演)。初始模型為海底半空間模型(電阻率為1 Ω·m)，其中空氣層和海水層在反演中固定。

圖8所示為Troll油田實(shí)際數(shù)據(jù)反演結(jié)果，最終數(shù)據(jù)的擬合差為1.60。圖8中虛線對(duì)應(yīng)地震資料所確定的高阻油氣層的頂部埋深，反演所得高阻層埋深與地震資料分析結(jié)果非常接近。圖9所示為觀測(cè)電場(chǎng)分量數(shù)據(jù)與反演得到電場(chǎng)分量數(shù)據(jù)擬合情況，從圖9可以看出：3個(gè)頻率下觀測(cè)數(shù)據(jù)與反演所得的電場(chǎng)分量數(shù)據(jù)擬合較好。

根據(jù)MORTEN等[38]的反演結(jié)果，并結(jié)合圖8，將此測(cè)點(diǎn)處地下電性結(jié)構(gòu)簡(jiǎn)化為1個(gè)5層模型(包括空氣層和330 m厚海水層)，其中從深度1 500 m起是厚度為200 m，電阻率為60 Ω·m的高阻儲(chǔ)層，儲(chǔ)層上方是厚度為1 270 m，電阻率為1 Ω·m沉積層，儲(chǔ)層下方沉積層的電阻率為1 Ω·m。根據(jù)特征參數(shù)分析方法，可得此簡(jiǎn)化模型對(duì)應(yīng)的特征參數(shù)分析結(jié)果，如圖10所示。從圖10可以看出：P1對(duì)應(yīng)于ρ2和ρ3，P2對(duì)應(yīng)于ρ1和ρ3，P3對(duì)應(yīng)于ρ1和ρ2的值非常小，說(shuō)明這3層的模型參數(shù)是解耦的，對(duì)所使用的數(shù)據(jù)進(jìn)行反演，理論上可以將3層區(qū)分開來(lái)；另一方面，P3對(duì)應(yīng)的特征值較小，反演在理論上難以還原出第3層的真實(shí)電阻率，根據(jù)前面理論模型的測(cè)試結(jié)果，這有可能是僅使用了單一觀測(cè)模式、單一電磁場(chǎng)分量的數(shù)據(jù)造成的。盡管如此，此簡(jiǎn)化模型對(duì)應(yīng)的特征參數(shù)的解耦性較好，能在一定程度上說(shuō)明圖8所示反演結(jié)果是可靠的。根據(jù)式(15)可以估算出此簡(jiǎn)化模型參數(shù)的誤差上限為|V11/S11|+|V12/S22|+|V13/S33|=4.95%。

圖8 Troll油田實(shí)際數(shù)據(jù)反演結(jié)果Fig.8 Inversion of Troll field data

圖9 觀測(cè)電場(chǎng)分量數(shù)據(jù)與反演得到電場(chǎng)分量數(shù)據(jù)擬合情況Fig.9 Data fitting between observed electric data and calculated electric data

圖10 Troll油田一維簡(jiǎn)化模型對(duì)應(yīng)的特征參數(shù)分析結(jié)果Fig.10 Engenparameter analysis for reduced ID model obtained from Troll field data

從該實(shí)際數(shù)據(jù)反演算例可知：使用特征參數(shù)分析方法可對(duì)實(shí)際數(shù)據(jù)質(zhì)量進(jìn)行評(píng)價(jià)，在對(duì)實(shí)際數(shù)據(jù)進(jìn)行大規(guī)模二維或三維反演前，可結(jié)合測(cè)區(qū)已知地質(zhì)鉆井資料建立1個(gè)反演初始模型，使用該模型對(duì)實(shí)際數(shù)據(jù)進(jìn)行特征參數(shù)分析，可初步推斷該數(shù)據(jù)是否適合反演。

4 結(jié)論

1)反演時(shí)恰當(dāng)?shù)剡x擇電磁場(chǎng)分量、觀測(cè)模式以及頻率可明顯改善反演效果，通過(guò)特征參數(shù)分析方法可以在一定程度上評(píng)估這幾個(gè)因素的選擇是否合理。

2)利用所開發(fā)的反演算法對(duì)挪威Troll油田的實(shí)際CSEM數(shù)據(jù)反演所得到的電阻率模型與地震資料的解釋結(jié)果吻合，進(jìn)一步證明了反演算法的有效性。

3)建立了1個(gè)簡(jiǎn)化的5層模型，對(duì)該簡(jiǎn)化模型進(jìn)行特征參數(shù)分析，結(jié)果表明特征參數(shù)分析方法可應(yīng)用于實(shí)際資料的反演。

4)在對(duì)實(shí)際數(shù)據(jù)進(jìn)行大規(guī)模二維或三維反演前，結(jié)合測(cè)區(qū)已知地質(zhì)鉆井資料可建立1個(gè)反演初始模型，使用該模型對(duì)實(shí)際數(shù)據(jù)進(jìn)行特征參數(shù)分析，可初步判斷該數(shù)據(jù)是否適合反演。