多偏移距震电频谱比值获取方法及用于监测潜水面的方法

摘要

本发明公布了一种多偏移距震电频谱比值获取方法及用于监测潜水面的方法，通过震源激发的地震波与地震电磁场数值模拟计算得到多偏移距地震电场与地震地面加速度场的频率谱比值成像；可提高震电频谱比值对地下潜水面深度的敏感性，进一步采用多偏移距震电频谱比值监测潜水面深度。利用本发明，可仅用近地表动态测量的地震电信号和地面加速度数据推测地下潜水面深度的变化情况，通过可调节通道数的震电频谱观测方式获取地下水位面深度，大大降低野外的工作量并提高效率。

权利要求

1.一种多偏移距震电频谱比值获取方法，通过震源激发的地震波与地震电磁场数值模拟计算得到多偏移距地震电场与地震地面加速度场的频率谱比值成像；包括如下步骤：A.设计地层几何层状模型和各层介质，获取地层参数和震电耦合系数；地层参数包括有效介电常数、复电导率和有效剩余电荷密度；包括：A1.针对勘探区域设计几何层状模型；

A2.根据地质与钻井资料设置几何层状模型的每一层材料的物性参数，根据当地地下水变化情况，设置地下潜水面可能存在的深度/位置；

A3.设置震源时间函数和观测系统:

设置震源时间函数，将震源时间函数Fs(t)表示为式(1)：式(1)表示：重量为M的重锤从高度h垂直下落，击打地表原点，经过时间为dt，震源以主频为f0的Ricker子波在t0时刻激发，重力加速度为g，其震源时间函数为Fs(t)；

设置观测系统，测量电极对与检波器为接收点；接收点到击打点的距离为偏移距xi，可设有多个接收点；

A4.计算潜水面以上的含水饱和度：

‑1

根据潜水面深度zwt，利用van Genuchten经验模型，用αVG(m )与nVG估计含水饱和度，潜水面处的孔隙水压力头为0m，潜水面以下含水饱和度为1；设潜水面以上某点深度z的孔隙压力水头为该点到潜水面距离的负数，通过式(2)计算得到潜水面以上的含水饱和度Sw：通过式(3)计算得到从黏性到惯性层流的转换频率ft：式中，ηw为孔隙流体粘滞系数，φ为介质孔隙度，Sw为含水饱和度，ρw为流体质量密度，k0与τw为与含水饱和度Sw有关的有效渗透率与孔隙弯曲度；

计算得到依赖含水饱和度的有效介电常数、复电导率和有效剩余电荷密度*通过式(4)计算得到震电耦合系数L(ω,Sw)：

式中，f为频率；

B.将获取的地层参数和震电耦合系数代入Pride震电波方程组，计算得到地层频率域的地震电场与地震地面加速度场；具体是利用基于波峰波谷平均的广义反透射方法计算得到地层频率域的地震电场与地震地面加速度场；

C.将地层频率域的地震电场的水平分量与地震电场地面加速度场的水平分量取模求比值，得到多偏移距震电频谱比值；

具体可采用式(5)或式(6)计算得到多偏移距的震电频谱比值SESR‑VO(f,xi)：其中，f为地震电场频率；Ex,i(f)为地震电场水平分量；ax,i(f)为地震电场地面速度场的水平分量；xi为不同偏移距；i代表接收点的序号；

设源对地震电场与地震加速度场影响相同，仅需布设一个近偏移距的检波器，其具有多个不同偏移距的电极对，通过式(6)得到多通道的地震电场分量和单通道的地震地面加速度分量比值，即多偏移距的震电频谱比值：式(6)中，地震地面加速度场的偏移距为x,i0，即只选择近偏移距的接收点i0的地面加速度场的数据用于计算；

通过上述步骤，即可获取多偏移距震电频谱比值。

2.一种基于多偏移距震电频谱比值监测潜水面的方法，利用如权利要求1所述的多偏移距震电频谱比值获取方法计算得到的多偏移距震电频谱比值，进一步地通过反演方法进行反演，获取地层的潜水面位置；可仅用近地表动态测量的地震电信号和地面加速度数据监测地下潜水面深度变化；

具体是采用宽度学习反演方法进行反演得到潜水面深度，包括：E1.具有随机潜水面深度与渗透系数的样本模型和震电频谱比值数据矩阵数据，用于宽度学习网络模型的训练和测试；

E2.随机选取步骤E1中生成的具有潜水面深度和渗透系数信息的模型[zwt，Ks]以及震电频谱数据矩阵训练集数据代入宽度学习神经网络模型，训练宽度学习神经网络模型；包括：识别和提取输入的震电频谱比值矩阵训练集数据的特征，进行特征映射；可调节每一映射特征的权重矩阵，以提取输入数据的特征；

特征Fi用映射函数 表示为：

式中，Wi为初始随机生成的权重矩阵，βi为随机产生的偏差因子；

E3.在宽度学习神经网络模型中对步骤E2生成的映射特征矩阵进行特征映射增强，得到由增强节点组成的增强层矩阵；

E4.利用连接权重矩阵，将映射特征层、增强层与输出层潜水面深度及渗透系数矩阵连接；

E5.对测试数据集，利用训练好的宽度学习神经网络模型进行潜水面反演，即可得到相应的潜水面位置/深度。

3.如权利要求2所述的基于多偏移距震电频谱比值监测潜水面的方法，其特征是，进行震电频谱比值对潜水面深度的敏感度测试，调整数据接收点的布设位置，具体包括：改变地下潜水面深度；

计算得到不同偏移距的地震电场水平分量与地震地面加速度场水平分量的频谱比值得到成像图；

再根据震电频谱比值对目标潜水面的敏感性，通过增加或减少通道数和接收点位置调整观测方式。

4.如权利要求2所述的基于多偏移距震电频谱比值监测潜水面的方法，其特征是，步骤E1进一步包括：基于测区地层信息设置层状介质的物理参数、震源和观测系统，随机生成在1‑5m范围内的潜水面深度；计算得到含水饱和度；随机生成每一个样本每一层的渗透系数；输出具有随机潜水面深度与渗透系数的样本模型；

获取不同潜水面下地表观测的地震电场与地面加速度场，计算得到多偏移距的震电频谱比值数据。

5.如权利要求2所述的基于多偏移距震电频谱比值监测潜水面的方法，其特征是，步骤E3进一步包括：随机生成权重矩阵Wj和偏差因子βj，利用非线性的激活函数ξj(·)将整合的映射特征n mF ；扩展至用于反演潜水面深度的宽度学习神经网络模型的增强层E ；其中第j个增强节点矩阵Ej的增强节点的计算表示为:n

Ej＝ξj(FWj+βj)                式(8)。

说明书

多偏移距震电频谱比值获取方法及用于监测潜水面的方法

技术领域

[0001] 本发明属于水文地球物理技术领域，涉及震电频谱比值获取和地层潜水面监测技术，尤其涉及一种多偏移距震电频谱比值获取方法及用于监测潜水面的方法。

背景技术

[0002] 现有的地层孔隙介质和孔隙流体参数的地震电磁计算中，2013年Warden等在文献1(Warden,S.,Garambois,S.,Jouniaux,L.,Brito,D.,Sailhac,P.,&Bordes,C.(2013).Seismoelectric wave propagation numerical modelling in partially saturated materials.Geophysical Journal International,194(3),1498‑1513.)中记载了基于Pride震电方程组推导的部分饱和条件下地震电磁信号的计算，讨论了潜水面以上存在毛管带对界面响应的影响；2017年Zyserman等在文献2(Zyserman,F.I.,Monachesi,L.B.,&Jouniaux,L.(2017).Dependence of shear wave seismoelectrics on soil textures:a numerical study in the vadose zone.Geophysical Journal International,208(2),
918‑935.)中记载了固定潜水面条件下不同砂土材料组成近似的对震电转换函数计算的影响，2019年Dzieran等在文献3(Dzieran,L.,Thorwart,M.,Rabbel,W.,&Ritter,O.(2019).Quantifying  interface  responses  with seismoelectric  spectral ratios.Geophysical Journal International,217(1),108‑121.)中记载了将震电频谱比值(SESR)用来分析孔隙介质和孔隙流体参数的方法，该方法可避免复杂的震源函数的计算。此外，2020年Dzieran等还在文献4(Dzieran,L.,Thorwart,M.,&Rabbel,W.(2020).Seismoelectric monitoring of aquifers using local seismicity—a feasibility study.Geophysical Journal International,222(2),874‑892.)中记载了采用天然震源激发的单道震电频谱曲线分别进行分析孔隙介质和孔隙流体参数的方法，以上方法存在的问题包括：(1)未实现主动源(地表源)激发的多通道震电频谱比值的模拟；(2)未针对变化的潜水面对不同偏移距的震电比值进行分析并获取潜水面深度。Zheng等在文献5(Zheng,X.‑Z.,Ren,H.,Butler,K.E.,Zhang,H.,Sun,Y.‑C.,Zhang,W.,Huang,Q.,&Chen,X.(2021).Seismoelectric and electroseismic modeling in stratified porous media with a shallow or ground surface source.Journal of Geophysical Research:Solid Earth,
126(9),e2021JB021950.)中提出采用基于波峰波谷平均的广义反透射法计算地震电场和地震波场，该方法可以解决上述的问题(1)，但仍存在上述问题(2)。

[0003] 综上，现有的震电频谱比值方法未解决地表主动源激发的近地表地震电磁计算效率低的问题，难以应用于实际野外潜水面深度的监测。

发明内容

[0004] 为了克服上述现有技术的不足，本发明提供一种主动源多偏移距的地震电磁模拟震电频谱比值方法，通过多偏移距震电频谱比值确定监测潜水面的数据接收点的数量，并通过不同偏移距(数据接收点)得到的震电频谱的变化来监测潜水面的变化，进一步可获取潜水面深度的数值。该方法可用于地层潜水面的动态监测，避免震源时间函数的复杂计算，且利用近地表不同偏移距的多通道数据提高了数据对潜水面深度的空间分辨率。

[0005] 本发明中，多偏移距的震电频谱比值简称为SESR‑VO。

[0006] 本发明方法基于剩余电荷密度计算耦合系数，采用主动源多偏移距的震电频谱比值模拟方法，通过震源激发的地震波与地震电磁场数值模拟计算得到的多偏移距地震电场与地震地面加速度场的频率谱比值成像，可提高震电频谱比值对地下潜水面深度的敏感性。针对不同偏移距震电频谱比值对潜水面深度的敏感度分析，本发明提出可调整原有震电频谱比值的观测模式，采用不同偏移距的多通道地震电场与单通道的加速度的频谱比值来监测潜水面深度。利用本发明提出的主动源多偏移距的震电频谱比值的模拟方法，可仅用近地表动态测量的地震电信号和地面加速度数据推测地下潜水面深度的变化情况，为后续潜水面深度反演提供技术支持。通过可调节通道数的震电频谱观测方式获取地下水位面深度，可大大降低野外的工作量并提高效率。

[0007] 本发明提供的多偏移距震电频谱比值获取方法及用于监测潜水面的方法包括如下步骤：

[0008] A.设计地层几何层状模型和各层介质的物理参数，获取地层物理参数(包括有效介电常数、复电导率和有效剩余电荷密度)和震电耦合系数；包括：

[0009] A1.针对勘探区域设计合适的几何层状模型；

[0010] A2.根据地质与钻井资料设置几何层状模型的每一层材料的物性参数，根据当地地下水变化情况(如季节性变化)，设置地下潜水面可能存在的深度/位置；

[0011] A3.设置震源时间函数和观测系统:

[0012] 设置震源时间函数，假设M(kg)的重锤从h(m)高度垂直下落(重力加速度为g(m/2
s))经dt(s)击打地表原点，震源以主频为f0(Hz)的Ricker子波在t0(s)时刻激发，震源时间函数Fs(t)可写为：

[0013]

[0014] 设置观测系统，接收点(测量电极对与检波器)到击打点的距离为偏移距xi(m)，假设有101个接收点，i＝1,2,..,101。；

[0015] A4.计算得到潜水面以上的含水饱和度和震电耦合系数；

[0016] 根据潜水面深度zwt(m)，利用van Genuchten经验模型，用αVG(m‑1)与nVG估计含水饱和度，潜水面处的孔隙水压力头为0m，潜水面以下含水饱和度为1，假设潜水面以上某点深度z(m)的孔隙压力水头为该点到潜水面距离的负数，潜水面以上的含水饱和度Sw的计算式写为：

[0017]

[0018] 本发明采用已有的弛豫时间经验公式计算从黏性到惯性层流的转换频率ft：

[0019]

[0020] 式中，ηw(Pa·s)为孔隙流体粘滞系数，φ(m3/m3)为介质孔隙度，Sw(‑)为含水饱和3 2
度，ρw(kg/m)为流体质量密度，k0(m)与τw(‑)为与含水饱和度Sw有关的有效渗透率与孔隙弯曲度。

[0021] 然后根据已有方法计算依赖含水饱和度的有效介电常数、复电导率和有效剩余电*荷密度 计算震电耦合系数L (ω,Sw)：

[0022]

[0023] 式中，f(Hz)为频率；

[0024] B.将步骤A4计算的地层参数和震电耦合系数代入Pride震电波方程组，利用基于波峰波谷平均的广义反透射方法计算得到近地表频率域的地震电场与地震加速度场；

[0025] C.将B中得到的频率域的地震电场与地震地面加速度场的水平分量取模求比值，得到本发明提出的多偏移距的震电频谱比值：

[0026] 对不同频率f(Hz)的地震电场水平分量Ex,i(f)(V/m)与地面及速度场的水平分量2
ax,i(f)(m/s)取模后求比值，得到多偏移距的震电频谱比值SESR‑VO(f,xi)；针对不同偏移距xi(m)和频率f(Hz)得到不同的震电频谱比值数据，i代表接收点的序号(例如：接收点距离震源由近到远依次编号，i＝1,2,…,101)。多偏移距的震电频谱比值的计算公式为：

[0027]

[0028] 由于地震电信号与地表加速度信号同源，理论上可假设源对地震电场与地震加速度场影响相同，本发明实施时，仅需布设一个近偏移距的检波器和多个不同偏移距的电极对，可得到多通道的地震电场分量和单通道的地震地面加速度分量比值(多偏移距的震电频谱比值)：

[0029]

[0030] 相比于式(5)，式(6)将地震地面加速度场的偏移距固定为x,i0，即只选择近偏移距的某接收点(i0)的地面加速度场的数据参与计算，这表明具体实施时如采用101个接收点测量地震电场，其中仅i＝i0处既测量地震电场也测量地面加速度场。

[0031] 将采用上述方法得到的多偏移距震电频谱比值进行测试，表明多偏移距的震电频谱比值对潜水面深度具有高敏感性，可用于监测地层潜水面。

[0032] D.测试多偏移距的震电频谱比值对潜水面深度的敏感性；

[0033] 设置不同的潜水面深度，测试多偏移距震电频谱比值的变化对潜水面深度的敏感程度，包括如下过程：

[0034] 改变步骤A2中地下潜水面深度，按步骤A3、A4、B、C的方法计算，进行SESR‑VO对潜水面深度的敏感性测试。针对不同的潜水面深度计算式(5)，如果得到的SESR‑VO值变化越大则对潜水面深度越敏感，因此，本发明可应用于监测潜水面深度变化。

[0035] 本发明具体实施震电频谱比值对潜水面深度的敏感性测试时，将潜水面深度设置为1m、3m与5m深处，计算不同偏移距的地震电场水平分量与地震地面加速度场水平分量的震电频谱比值，得到成像图。

[0036] E.基于步骤C得到的多偏移距震电频谱比值进行反演，获取地层的潜水面位置：

[0037] 可采用已有的反演方法反演本发明提供的多偏移距震电频谱比值数据，获取潜水面位置：

[0038] 以监督类的机器学习方法为例，基于测区已有的地层信息设置层状介质的物理参数以及震源和观测系统如步骤A，再生成样本，在本发明中为潜水面深度，通过步骤B‑C获取不同潜水面下地表观测的地震电场与地面加速度场，再通过步骤C利用式(5)或式(6)计算得到多偏移距的震电频谱比值数据。经过大量样本的训练，可以将机器学习的神经网络用于预测任意时刻的潜水面深度。根据不同时刻测区测量计算得到的多偏移距震电频谱比值反演对应时刻的潜水面深度，从而实现地下水位面的动态监测。

[0039] 与现有技术相比，本发明的有益效果：

[0040] 本发明所提供的基于多偏移距震电频谱比值监测潜水面的方法，通过采用多偏移距震电频谱比值方法避免了震源时间函数的复杂计算，利用不同偏移距的多通道数据提高了数据对潜水面深度的空间分辨率，本发明还提供了一种可调节通道数的震电频谱观测方式来监测地下水位面深度，可大大降低野外的工作量并提高效率。

附图说明

[0041] 图1是计算多偏移距的震电频谱比值的流程图。

[0042] 图2是基础模型的水平地面加速度场与水平地震电场的波形图。

[0043] 图3是本发明实施例中震电频谱比值曲线随偏移距的变化图；

[0044] 其中，(a)偏移距为5m；(b)偏移距为10m；(c)偏移距为50m

[0045] 图4是本发明实施例中震电频谱比值对潜水面深度的敏感性分析成像图；

[0046] 其中，(a)为潜水面在1m深；(b)为潜水面在3m深；(c)为潜水面在5m深。

[0047] 图5是本发明实施中宽度学习方法反演多偏移距震电频谱比值数据的神经网络结构；

[0048] 其中，(a)震电频谱比值取10的对数成像图；(b)宽度学习神经网络结构；(c)潜水面深度与渗透系数结构。

[0049] 图6是本发明实施例中震电频谱比值反演潜水面深度的散点对比图；

[0050] 其中，(a)为利用式(5)计算的多偏移距震电频谱比值数据反演结果；(b)为利用式(6)计算的多偏移距震电频谱比值数据反演结果。

具体实施方式

[0051] 下面结合附图，通过实施例进一步描述本发明，但不以任何方式限制本发明的范围。

[0052] 目前在地震场信号计算中存在震电频谱比值无法计算地表源激发、地表源接收的震电信号以及实现震电频谱比值探测潜水面的技术问题，本发明提供一种基于剩余电荷密度计算耦合系数采用主动源多偏移距的震电频谱比值模拟方法，通过本发明提供的方法可提高震电频谱比值对地下水位面深度的敏感性。本发明中，多偏移距的震电频谱比值简称为SESR‑VO。

[0053] 具体实施时，本发明提供的方法包括如下步骤：

[0054] A.模型设计

[0055] 图1所示为本发明的多偏移距震电频谱比值模拟模型生成的实现方法流程，实现方法包括如下过程：

[0056] A1.针对勘探区域的已知资料(包含地质调查与测井资料)设计模型的几何结构和各层介质的物理参数：具体包括水力传导系数、孔隙度、地层因子、孔隙固体骨架的密度、孔隙流体和气体的密度、粘滞系数、介电常数以及电导率、含水饱和度、水土特征曲线的参数、固体材料、孔隙流体与孔隙气体的体积模量和剪切模量、骨架的体积模量、孔隙流体盐度。

[0057] A2.以垂直向下的重锤作为震源，根据重锤的质量、落地时间和重锤击打高度计算5
落到地面(击打点)的作用力大小，本例中采用40kg重锤，作用力为2.506×10N，作为式(1)中的系数 再将Ricker子波(雷克子波)乘以地面作用力作为震源时间函数，设置式(1)的中心频率为20Hz。将击打点作为坐标原点，利用式(1)可得到震源时间函数。设置不同偏移距的接收点，假设从水平距离击打点5到105米均匀放置101个电极对与检波器，两相邻接收点间隔1米，传感器埋于近地表(0.1米深)处。

[0058] A3.根据数据记录的时间和数值计算的频率范围，用已有的方法计算基于A1设置的模型下的随频率和含水饱和度的有效剩余电荷密度、有效渗透率(水力传导系数)、有效介电常数、复电导率，再用有效剩余电荷密度计算的震电耦合系数作为Pride方程组中的耦合系数，即利用式(3)‑(4)计算转换频率与震电耦合系数并代入Pride方程组；

[0059] B.基于步骤A的模型设置以及计算出的随频率和含水饱和度变化的有效剩余电荷密度、有效介电常数、复电导率等物理量，采用基于波峰波谷平均的广义反透射方法(LAC GRTM)计算在不同接收点位置的频率域的地震电场与地面加速度场；

[0060] C.将B中计算的频率域的地震电场与地面加速度场的水平分量取模求比值，得到本发明提出的多偏移距的震电频谱比值：

[0061] 对不同频率f(Hz)的地震电场水平分量Ex,i(f)(V/m)与地面及速度场的水平分量2
ax,i(f)(m/s)取模后求比值，利用式(5)计算得到震电频谱比值SESR‑VO(f,xi)，针对不同偏移距xi(m)和频率f(Hz)有不同的比值数据。

[0062] D.进行震电频谱比值对潜水面深度的敏感度测试；

[0063] 此敏感度测试可用于调整观测系统(数据接收点的布设位置)，针对潜水面的探测可相应减少检波器的布设个数，从而降低成本、提高勘探效率，具体步骤包括：

[0064] 改变地下潜水面深度，按步骤A3、A4、B、C的方法计算，进行SESR‑VO敏感性测试。

[0065] 本实施例将潜水面深度设置为1、3m与5m深处，计算不同偏移距的地震电场水平分量与地震地面加速度场水平分量的频谱比值得到成像图。

[0066] 根据震电频谱比值SESR‑VO对目标潜水面的敏感性，通过增加或减少通道数和接收点位置调整观测方式(步骤A2)。如本发明提出可采用式(6)的多偏移距的地震电场水平分量Ex,i(f)与某一个近偏移距得地面加速度场水平分量 求得震电频谱比值即可对水位面变化具有较高的敏感性。

[0067] E.反演测试，本例使用宽度学习方法反演潜水面深度。

[0068] E1.生成具有随机潜水面深度与渗透系数的样本模型和震电频谱比值数据矩阵数据，用于宽度学习网络模型的训练和测试；

[0069] 基于测区地层信息设置层状介质的物理参数(表1)，以及震源和观测系统如步骤A，本例为5层介质模型，选择随机生成4000个在1‑5m范围内的潜水面深度，由式(2)计算含水饱和度，考虑到渗透系数的不确定性，每一个样本的渗透系数也在一定范围内随机生成，第一到二层渗透系数一致并在3‑35cm/h中取值，第三到四层在0.02‑15cm/h。这4000个在一定范围内具有随机潜水面深度与渗透系数的模型作为样本的输出，再进行步骤B‑C获取不同潜水面下地表观测的地震电场与地面加速度场。利用式(6)计算多偏移距的震电频谱比值数据。1个垂直的单力震源在地表激发(40kg)，假设击中点的水平位置为坐标原点，从5米开始到105米每隔1米设置一个电偶极子测量水平方向的地震电场(共101个)，并在相同位置处布设一个检波器测量地震加速度场的水平分量。式(6)中频率点从2Hz到72Hz共36个频点。4000个样本模型可生成4000个36×101的震电频谱比值数据矩阵SEs(4000×36×101)。

[0070] 表1实施例采用的介质物理参数表

[0071]

[0072] E2.随机选取步骤E1中生成的具有潜水面深度和渗透系数信息的模型[zwt,Ks]以及对应的震电频谱数据矩阵的3500个组合作为训练集代入宽度学习神经网络模型，训练宽度学习神经网络模型；

[0073] 基于步骤D的敏感性测试，不同的潜水面模型会产生不同的震电频谱比值响应。首先，识别和提取输入的参与训练的3500个震电频谱比值矩阵数据SEs(3500×36×101)的特征，完成特征映射，如图5所示。本例设置19个映射特征(n＝19)，每一映射对应有16个特征节点，第i个(i＝1,2,…,19)特征Fi用映射函数 表示为：

[0074]

[0075] 式中，Wi为初始随机生成的权重矩阵，βi为随机产生的偏差因子，整合19个映射特n n征[F1,F2,...,Fn]写为F(n＝19)。因此，每一个映射特征Fi为36×101×16的矩阵，F 则为36×101×16×19的矩阵。映射特征个数n与每一映射的特征节点数p的大小决定了映射的复杂程度，当需要描述较复杂的映射关系时宜采用较大的值。如本例需映射潜水面在浅层，具有土层部分饱和时对应的震电频谱比值，故采用16和19作为特征节点数和映射特征个数。
本例利用已有的自编码器方法调节每一映射特征的权重矩阵，以便更好地提取输入数据的特征。

[0076] E3.然后在宽度学习神经网络模型中对步骤E2生成的映射特征矩阵Fn进行特征映射增强，得到由200个增强节点组成的增强层矩阵；

[0077] 进行与步骤E2类似的处理，随机生成权重矩阵Wj和偏差因子βj，利用非线性的激活n函数ξj(·)将整合的映射特征F (n＝19)扩展至用于反演潜水面深度的宽度学习神经网络m
模型的增强层E(m＝200)，这里假设增强层共有200个增强节点，第j个增强节点矩阵Ej(j＝
2,…,m)增强节点的计算公式为:

[0078] Ej＝ξj(FnWj+βj)   式(8)

[0079] 本实施例选择Tan‑Sigmoid转换函数(S形函数)作为激活函数ξj。类似地，针对训练样本可通过增加增强节点个数m测试反演误差，通常m越大训练样本的反演误差越小，但该趋势并不一定出现于未参与过训练的测试模型中，当m过大时可能会增大测试集样本的反演误差。一般在n、p和m开始增大时，训练样本的反演误差会随之迅速减小，然后逐渐趋于稳定。

[0080] E4.最后利用连接权重矩阵Wm(m＝200)将映射特征层、增强层与输出层潜水面深度及渗透系数矩阵[zwt,Ks]连接:

[0081] [zwt,Ks]＝[Fn|Em]Wm   式(9)

[0082] 这里[zwt,Ks]为本发明指出的参与训练的3500组潜水面深度与渗透系数3500×5n m的组合矩阵，其中第一列zwt为潜水面深度，利用已有的岭回归理论可求解[F|E]的伪逆矩m
阵得到连接矩阵W。

[0083] E5.对测试数据集(500个样本模型)，利用训练好的宽度学习神经网络模型进行潜水面反演，即可得到相应的潜水面位置/深度：

[0084] 用步骤E1中生成的未参与步骤E2‑E4训练的500个模型计算的本发明的多偏移距震电频谱比值数据，作为测试数据代入式(7)完成特征映射后，再代入式(8)计算增强节点m矩阵，最后将整合映射特征与增强节点矩阵代入式(9)，用E4计算的伪逆矩阵W 完成输入——输出矩阵的连接，得到潜水面深度(如图6)。

[0085] 具体实施震电频谱比值对潜水面深度的敏感性测试时，首先按照步骤A1设计一个地层的基础模型，该模型中的地层由5层介质组成，第一层到第四层介质的厚度分别为6、9、5和15m，设置各层材料参数包括水力传导系数、孔隙度、地层因子、孔隙固体骨架的密度、孔隙流体和气体的密度、粘滞系数、介电常数以及电导率、含水饱和度、水土特征曲线的参数、固体材料、孔隙流体与孔隙气体的体积模量和剪切模量、骨架的体积模量、孔隙流体盐度(表1)。假设浅部两层孔隙介质主要由壤质砂和砂组成，第三至第四层主要由粘土材料组成。初始地下水位设定为5m，这表明第一层是部分饱和状态下的渗流区。具体用于测试的基础模型各层孔隙介质的物理参数设置参考表1。

[0086] 将理查兹方程用于计算渗流区的流动，采用van Genuchten(VG)经验模型估计各地层的含水饱和度、有效渗透率和压头之间的关系(式(2))，该地层模型假设孔隙水压力达到大气压力时(孔隙水压力头为零)处于饱和状态。依赖频率的相对剩余电荷密度与渗透率的频率依赖性用Biot转换频率(式(3))来计算。

[0087] 按照步骤A2设置一个垂直向下的作用力为2.506×105N(40kg)的单力源，设置主频为20Hz的Ricker小波为震源时间函数。接收点在0.1m深的位置，偏移距范围为5–105m，测量间隔为1m，共101个接收点，每一接收点配备1个电偶极子对和1个检波器。即水平偏移距xi的范围为5至105m，接收点i＝1,2，…，101。基本模型中浅部4层(j＝1,2,3,4)的水力传导系数分别为14.59、29.7、0.25和0.2cm/h。在确定了依赖频率特性和含水饱和度的相关参数后，应用LAC GRTM的峰值平均法求解控制方程，得到地震地面加速度(图2的(a))和地震电场(图2的(b))的水平分量在时间域的波形图(图2)，将其转化到频率域后用式(3)计算其频率域比值随不同偏移距的变化(图3)。

[0088] 在基础模型的基础上，改变潜水面深度分别在1m(图4的(a))、3m(图4的(b))和5m(图4的(c))处，计算各模型的震电频谱得到频率域与空间域的成像等值线图。如图4所示，当潜水面深度改变时，均能产生显著SESR‑VO的变化，这表明可应用本发明的SESR‑VO成像图监测地下潜水面深度变化的可能性。如图4震电频谱比值成像结果显示，具有较高能量的震电频谱比值主要集中在低频(小于10Hz)，近偏移距区域。与图4(a)‑(b)相比，当潜水面较深时(图4的(c))，相对更远偏移距的震电频谱比值记录到更大的能量(50到100m)，在这种情况下，需要更多的中、远偏移距记录的地震电信号的数据。可见，基于基础模型，当目标潜水面在浅地表变化时，采用本发明提出的多偏移距的震电频谱比值数值模拟方法，近偏移距的震电频谱比值具有高敏感性，而当研究的潜水面位置较深时，需要更远偏移距的数据。因此，根据本发明，当探测目标层较深时，需进行更多相对远偏移距的震电频谱比值的分析，而当目标层较浅可只使用少量的近偏移距的接收点记录的数据参与分析，由此高效且低成本地实现对地层潜水面的监测。

[0089] 本发明方法得到的多偏移距震电频谱比值的数值，可运用于潜水面的反演与监测。反演算例为5层介质模型(表1)，选择随机生成4000个在1‑5m范围内的潜水面深度，由式(2)计算含水饱和度，考虑到野外实际环境的复杂性，每一个样本的渗透系数也在一定范围内随机生成，第一到二层渗透系数一致并在3‑35cm/h中取值，第三到四层在0.02‑15cm/h。再进行步骤B‑C获取不同潜水面下地表观测的地震电场与地面加速度场，本例分别测试了用多通道地震地面加速度场频谱(式5)和单通道地震地面加速度场频谱(式6)参与计算，即进行步骤E利用式(5)或式(6)计算多偏移距的震电频谱比值数据。因此用于测试的数据由从5米开始到150米每隔1米设置一个电偶极子测量水平方向的地震电场(共101个)和一个检波器测量地震加速度场的水平分量(101个)计算得到。频率点从2Hz到72Hz共36个频点。
3500个样本模型可生成3500个36×101的震电频谱比值数据矩阵。如图5设置特征映射数
19、每组映射特征的节点数16以及增强节点数200，从4000组模型中抽取3500组模型作为训练集，将式(5)或式(6)计算的多偏移距震电频谱比值数据输入到图5中的特征映射层，计算映射特征并对映射增强得到增强特征，再通过岭回归训练网络来计算隐藏层与输出层之间的权重矩阵(图5)。剩余的未参与过训练的500个模型作为测试集，测试网络反演得到潜水面深度(图6)。图6中横轴为真实的潜水面深度，纵轴为预测的潜水面深度，图6中的(a)为
101个通道的水平地震电场频谱与对应的101个通道的水平地震地面加速度场利用式(5)计算的震电频谱比值用于反演，反演的均方根误差为0.0512m，图6中的(b)为101个通道的水平地震电场频谱与对应的1个位于10m处的单通道水平地震地面加速度场利用式(6)计算的震电频谱比值用于反演，反演的均方根误差为0.0471m。本实施例说明在监测浅层潜水面时可采用单一偏移距的地震加速度场数据就可获取高精度的潜水面深度位置。

[0090] 通过本发明提出的多偏移距震电频谱比值方法监测潜水面避免了震源时间函数的复杂计算，利用不同偏移距的多通道数据提高了数据对潜水面深度的空间分辨率，当地下潜水面深度(位置)变化时，可体现在近地表的地震电场与地面加速度场的频谱比值的显著变化，本发明提供的方法可为后续地震电磁方法用于潜水面深度位置的准确反演提供技术手段。本发明还提供了一种可调节通道数的震电频谱观测方式，利用宽度学习的反演方法估计潜水面深度，当一个地区环境参数不改变的情况下，可实时利用测量的多偏移距地震电场和地震地面加速度场的频谱比值监测潜水面深度，可大大降低野外的工作量并提高效率。

[0091] 需要注意的是，公布实施例的目的在于帮助进一步理解本发明，但是本领域的技术人员可以理解：在不脱离本发明及所附权利要求的范围内，各种替换和修改都是可能的。因此，本发明不应局限于实施例所公开的内容，本发明要求保护的范围以权利要求书界定的范围为准。