[发明专利]一种基于多变量核密度欧拉解概率密度成像方法

权利要求书

1.一种基于多变量核密度欧拉解概率密度成像方法，其特征在于，包括以下步骤：

确定待测区域范围，并测量重力矢量数据及重力梯度张量数据；或测量重力数据，通过离散余弦变换或傅里叶变换将重力数据换算到重力矢量数据及重力梯度张量数据；

根据所述重力矢量数据或所述重力梯度张量数据构建三维重力梯度张量欧拉反褶积方程；

确定滑动窗口大小，并利用滑动窗口内的数据构建线性方程组；

利用奇异值分解所述线性方程组，获取所述线性方程组的欧拉解，并输出对应的欧拉解集；其中，所述欧拉解包括异常源空间位置、异常源类型和奇异值分解误差；

将欧拉解解集拆分成不同维度的组合，并根据所述欧拉解解集组合估算估计网格最大或最小带宽，及确定所述估计网格的大小；

将欧拉解数据作为独立同分布采样投影至所述估计网格，根据所述估计网格计算网格计数，并基于所述网格计数与核函数的卷积确定不同维度数据的异常源空间位置及类型。

2.根据权利要求1所述的基于多变量核密度欧拉解概率密度成像方法，其特征在于，所述根据所述重力矢量数据或所述重力梯度张量数据构建三维重力梯度张量欧拉反褶积方程，包括：

式中，B_α为异常背景场，g_α为重力梯度，{α∈x,y,z}；(x₀,y₀,z₀)为观测点位置坐标；(x,y,z)为待求解位场异常源位置；构造指数N是位场异常随场源深度衰减变化陡缓的量度，即异常源类型。

3.根据权利要求2所述的基于多变量核密度欧拉解概率密度成像方法，其特征在于，所述确定滑动窗口大小，并利用滑动窗口内的数据构建线性方程组，以及利用奇异值分解所述线性方程组，获取所述线性方程组的欧拉解，并输出对应的欧拉解集，包括：

确定滑动窗口大小为Wx×Wy；

将滑窗中的Wx×Wy个测点数据代入(1)～(3)构建线性方程组，如下：

Am＝b (4)；

式中，算子A为b为m为欧拉反褶积解集；其中，第i个欧拉反褶积解表示为m_i＝[x_i,y_i,z_i,N_i]；

利用奇异值分解求取异常源空间位置[x，y，z]及构造指数N；

逐一移动滑动窗口，构建线性方程组，并获得相应滑动窗口的欧拉解m_i，直至滑动窗口覆盖整个测区，构建欧拉解集{m_i}。