[发明专利]基于无监督机器学习的磁异常矢量聚类反演方法

权利要求书

1.一种基于无监督机器学习的磁异常矢量聚类反演方法，其特征在于，所述方法包括：

在地下反演空间建立网格剖分模型，设置地下存在预设数量的磁化方向，在反演中设置与所述预设数量相同的聚类数目；

一组磁异常数据为公式1，磁化强度矢量反演为公式2；

公式1：；公式2：；

其中， d为磁异常数据，为各磁化方向的磁异常数据，m为反演模型的磁化强度，为地下模型磁化强度在x、y、z三个方向分量的灵敏度矩阵；

若所述地下反演空间有M个反演模型，各模型单元的磁化强度J为感应磁化强度和剩余磁化强度之和，反演模型的磁化强度m与M个反演模型在笛卡尔坐标系中沿x、y、z轴的三个分量之间的关系为公式3，M个反演模型在笛卡尔坐标系中沿x、y、z轴的三个分量为公式4；

公式3：；公式4：；

其中，、及表示M个反演模型在笛卡尔坐标系中沿x、y、z轴的三个分量；

第j个反演模型的磁化方向单位矢量为公式5：

公式5：，1≤j≤M；

基于Tikhonov正则化反演公式，通过求解目标函数极小,获得反演解,所述目标函数表示为公式6；

公式6：；

其中，为数据拟合项的权重系数，为模型项的权重系数，Gm为反演数据，为观测数据，β为正则化参数；

模糊C均值聚类分析的目标函数为公式7：

公式7：；

其中，表示第j个数据对第k个聚类中心的隶属度大小，q决定隶属度取值的模糊性，代表第k个聚类中心；

将已知的先验信息用于聚类约束，形成引导式糊C均值聚类目标函数，所述引导式糊C均值聚类目标函数为公式8；

公式8：；

其中，表示第j个数据对第k个聚类中心的隶属度大小，m决定隶属度取值的模糊性,代表已知的聚类中心，η为权重系数；

根据公式8及公式6得到磁异常矢量聚类反演的总目标函数，所述总目标函数表示为公式9；

公式9：；

其中，γ表示聚类算法在反演中的权重系数。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：

根据公式9获得地下池化强度矢量及地质识别结果。

3.根据权利要求1所述的方法，其特征在于，所述方法还包括：

在对公式7进行极小化的过程中，更新聚类中心和隶属度。

4.根据权利要求1所述的方法，其特征在于，所述方法还包括：

模拟预设海洋陆缘多种地壳共存的结构特征，建立洋壳组合模型；

基于所述洋壳组合模型进行反演与地质识别应用试验。

5.根据权利要求4所述的方法，其特征在于，所述模拟预设海洋陆缘多种地壳共存的结构特征，建立洋壳组合模型，包括：

采用规格不同、磁化强度不同的多种长方体组合得到所述洋壳组合模型。

6.根据权利要求1所述的方法，其特征在于，所述方法还包括：

模拟具有磁异常条带特征的洋盆结构，建立正反向磁化洋壳模型；

基于所述正反向磁化洋壳模型进行磁条带异常的矢量反演试验。

7.根据权利要求6所述的方法，其特征在于，所述模拟具有磁异常条带特征的洋盆结构，建立正反向磁化洋壳模型，包括：

模拟洋盆正反向磁化的洋壳岩石相间分布特征，将正向磁化模型和反向磁化模型相间布置，得到所述正反向磁化洋壳模型。

8.根据权利要求1所述的方法，其特征在于，所述方法还包括：

选取以预设海盆为核心的研究区域，所述研究区域的地壳结构包括陆壳、洋壳和洋陆过渡壳；

对所述研究区域进行磁异常聚类反演，得到反演结果。

9.根据权利要求8所述的方法，其特征在于，所述反演结果包括磁化强度和磁化方向聚类结果。

10.根据权利要求8所述的方法，其特征在于，所述方法还包括：

根据所述反演结果追踪洋盆内磁条带异常所对应的岩石磁性结构。