基于改进FCM聚类算法的三维重力反演

摘要

在重力反演中,传统的反演方法通常会生成平滑的反演结果,即不同的地质单元之间没有明显的边界。为了提高反演结果的空间分辨率和反演精度,采用模糊C均值聚类算法(fuzzy C-means,简称FCM)解决上述问题。但当异常体体积远小于围岩体积以及目标函数FCM聚类项权重系数选择不当时,该算法容易造成异常体反演结果均匀收缩,导致反演精度降低,甚至反演失败。反演失败的主要原因通常是因为异常体体积比围岩体积小很多。为此在反演的目标函数FCM聚类项中引入了缩放因子,用以平衡模型参数对每个聚类的隶属度,减小异常体体积远小于围岩体积的影响。通过建立缩放指数e_(k)与归一化的聚类中心与实际聚类中心间距离S_(normal)的简单正相关关系,使得缩放因子ρ_(k)随反演过程不断更新,从而显著降低了目标函数FCM聚类项权重系数的选择难度,避免了异常体反演结果均匀收缩的问题,增强了反演的稳定性。理论重力异常数据反演数值试验和实际数据反演表明,相比于此前的FCM方法,改进算法有更高的反演稳定性和反演精度。