地球物理学报  2011, Vol. 54 Issue (2): 491-498   PDF    
盆地基底岩性的综合地球物理预测方法——以松辽盆地滨北地区基底岩性预测为例
李成立1, 崔瑞华1, 刘益中2,3     
1. 大庆油田有限责任公司勘探开发研究院,大庆 163712;
2. 江苏省有色金属华东有色地质勘查局,南京 210093;
3. 江苏省有色金属华东地质勘查局814队,镇江 212005
摘要: 预测盆地基岩岩性不仅对于研究盆地的深部地质结构及盆地的形成演化具有重要的意义,而且也对基岩风化壳油气藏的勘探具有一定的指导作用.本文通过对盆地重、磁异常成因的综合分析,提出了一系列盆地基底岩性综合预测研究的综合地球物理资料处理解释方法技术.指出在地震构造界面的约束下采用重力剥皮技术可以较为可靠地获取基底岩性重力异常并分析了界面密度差对剥皮后基底岩性重力异常的影响,给出了等效密度差的求取方法.分析了基底起伏对基岩岩性磁异常的影响,指出采用"平化曲"将磁异常归化到与基底同一高度,可以有效地提高对基底岩性体的刻画能力.通过综合分析认为:应用基底的相对视密度、相对视磁化率及两者的相关系数可以有效地刻画基底岩性的特征.神经网络是基底岩性判别与分类的有效方法技术.通过对松辽盆地北部滨北地区的基底岩性的综合预测显示了本文系列预测基底岩性方法的有效性,预测结果反映了松辽盆地基底岩性的分布特征.该系列方法技术可为其他盆地的基底地质填图提供了可借鉴的综合预测方法技术.
关键词: 基底岩性重磁异常      视密度      视磁化率      相关系数      基底岩性预测      神经网络     
Comprehensive geophysical prediction method of basement lithology —Example of Binbei area, Songliao basin
LI Cheng-Li1, CUI Rui-Hua1, LIU Yi-Zhong2,3     
1. Exploration and Development Research Institue of Daqing Oilfield Company Ltd.,Daqing 163712,China;
2. Eastern China Geological & Mining Organization for Non-ferrous Metals in Jiangsu Province, Nanjing 210093, China;
3. Team 814, Eastern China Geological & Mining Organization for Non-ferrous Metals in Jiangsu Province, Zhenjiang 212005, China
Abstract: Estimating the basement lithology of basin not only is significant for investigating deep geological structure and evolution of basin, but also has instructive role to exploration of the matrix weathering crust reservoir. On the basis of comprehensively analyzing the cause of gravity and magnetic anomalies of basin, in this paper a series of processing and interpretation methods and techniques of integrated geophysical data for estimating the basement lithology were introduced. The formation-separating technique constrained by the seismic structural interface with gravity data can acquire the gravity anomalies caused by basement lithology, which is affected by density difference between interfaces. The method for calculating equivalent-density difference is neatly presented. The plane-to-surface technique can normalize the magnetic anomalies generated by the basement lithology closely related to the relief of basement to the magnetic anomalies with the same height as the basement, which can effectively improve the capacity of characterizing the basement lithology body. Three parameters composed of apparent density and apparent susceptibility and correlation coefficient between them can effectively describe the characteristics of basement lithology. The neural network method can well discriminate and classify the basement lithology. These methods above presented are applied to comprehensively estimate the distribution characteristics of basement lithology of Benbei area in Songliao Basin, which proves that these methods are effective. This series of methods and techniques provide the referential experience for other basins in the basement geological mapping.
Key words: Gravity and magnetic anomaly of basement lithology      Apparent density      Apparent magnetic susceptibility      Correlation coefficient      Basement lithology prediction      Neural network     
1 引 言

区域地质填图是盆地油气地质勘探最为基础的研究工作之一.对于区域地质构造及成矿远景的分析及盆地形成演化的研究具有重要的作用.在基岩出露区,地质工作者通过野外地质调查完成基岩地质填图工作,在被沉积层覆盖的区域就必须借助于地球物理探测手段来查清基岩的岩性以便提交较为完整的区域地质图.

不同种类的岩石具有一定差异的岩性物性特征,因而在地球物理场上就表现出不同的异常.这种由岩石物性差异引起的异常也会因岩体埋藏深度及赋存状态、规模的不同而表现出不同的异常特征,因而也必然会影响对岩性判断的可靠性.在表层覆盖较薄的区域,研究者可以依据明显的重磁异常结合已知岩性的重磁异常特征直接对岩性加以定性的判别,但对埋深较大及埋深不同岩性的基岩,因重、磁异常形成的复杂性就不可能直接对重、磁异常进行简单定性的分析以达到基岩的岩性判别的目的.因而在被沉积层覆盖的盆地如何应用地球物理的手段达到较为可靠的基岩岩性的预测,实现覆盖盆地的基岩地质填图就成为油气地质研究中一个亟待解决的地质问题.前人[1~6]在盆地基岩岩性预测方面做过大量的研究工作,提出了诸如视密度、视磁化率、重磁对应分析及应用重磁地震联合反演等多种预测基岩岩性的方法技术在盆地基岩岩性预测中发挥了良好的作用,取得了良好的地质应用效果并奠定了基岩岩性预测的方法技术基础.本文研究目的是针对成因复杂的重磁异常探讨一套完整的应用于重磁异常结合盆地地震及由钻井地质资料预测盆地基岩岩性,有效提高基底岩性预测可靠性的综合研究思路及方法.

2 盆地重磁异常形成因素

沉积盆地在形成的过程中经受多次构造运动,伴随构造活动发生多次岩浆侵入作用或火山喷发活动及变质作用,使得盆地的基底发生岩浆侵入而形成各种不同规模、不同岩性的岩体及在盖层形成不同岩性的火山岩,在不同的盆地沉降期沉积形成不同厚度及岩性的沉积层.

重磁异常(图 12)是盆地内各种具有岩石物性差异的地质体所产生异常的综合效应,主要可以分为浅部异常(局部异常)及深源异常(区域异常).

图 1 松辽盆地北部航磁异常图 Fig. 1 Plane isoline map of aeromagnetic anomaly
图 2 松辽盆地北部布格重力异常图 Fig. 2 Plane soline map of bouguer gravity anomaly

较大规模的深源重力异常主要来自于深部构造界面(莫霍面、康拉德界面)及基底以下的较大规模的岩体.

次级深源场来自于基岩起伏及基底岩性的变化,这部分异常是研究盆地基底结构的重要异常,是基岩岩性研究要获取的目标重力异常,获取该异常的准确与否在一定程度上成为预测基岩岩性是否可靠的关键因素之一.

浅部重力异常主要来自于盖层中的构造界面及沉积相的岩性变化.一些诸如局部构造、火山岩体等局部地质体是基岩岩性预测中重要的且不容忽视的干扰因素.该异常随着盆地规模的增大(范围、深度)其影响程度就越高,严重地影响应用重力对基岩岩性的识别.较可靠剔除浅部重力异常效应也成为提高基底岩性预测可靠性的重要工作环节.

相对重力而言,磁异常形成因素较为简单,但也分为浅源磁异常(局部异常)及深源磁异常(区域场).

深源磁异常主要来自于大陆磁异常及深部磁性地壳所产生的磁异常,多具有异常幅值较大、形态宽缓的低频异常特征.

在沉积盆地中基底岩性(侵入体、变质岩、结晶基岩)是产生次级深源磁异常的主要因素,也是应用磁异常进行基岩岩性预测的主要依据,能否可靠获取该异常成为制约预测基底岩性准确与否的另一重要关键因素之一.

盆地浅部盖层大多为无磁性或弱磁性沉积岩,也具有较少的磁性较强的局部地质体(磁性漂浮体),但在磁异常中所占的比例极其有限.在一些中新生代断陷盆地的盖层中也存在一定规模的磁性强弱不一的火山岩,在一定程度上能产生幅值较大的局部磁异常,这是应用磁法进行预测基底岩性的又一干扰因素,必须加以剔除.

3 基底岩性重力异常

布格重力异常中包含浅源与深源地质体所产生的异常.为获取基底岩性的重力异常效应,需要对盆地盖层的重力效应进行正演剥皮以便获取更为可靠的基岩岩性重力异常.剥皮采用地震构造界面进行约束控制.浅部重力异常获取的可靠与否除与构造界面的准确性有关外,在很大程度上也决定于界面之间的密度差选取的是否准确.密度差选取的不准会产生因剥皮引起的虚假重力异常.密度差选取过大,将产生虚假正异常;密度差选取过小,会产生虚假的负异常.通过综合分析认为:与构造界面相关的重力异常总和在一定程度上与基岩岩性重力异常存在显著的不相关性.基于此原理研究了应用最小二乘法计算界面等效密度差的方法.

3.1 界面等效密度差

等效密度差能够表征构造界面所产生重力异常的宏观特征.在计算等效密度差时,先求取个构造界面所产生重力异常的权函数,也即密度差为1.0g/cm3 的各构造界面的重力异常效应,最后按下式计算剥皮时构造界面的等效密度差:

g(ij)为重力异常,Δρ12为1、2两层界面的密度差,g1(ij)为1、2界面重力效应权函数,Δρ23为2、3两界面密度差,g2(ij)为2、3界面的重力效应权函数,Δρ34g3(ij)为3、4两界面密度差,g3(ij)为3、4界面的重力效应权函数.

利用获取的等效密度差结合各界面的岩石物性分析综合确定剥皮的界面密度差.实践表明,该方法在实际应用中发挥了良好的应用效果.通过对滨北地区的研究,获取的等效密度差基本上和岩石物性分析所获得构造界面密度差没有多大的差异.

3.2 盆地盖层重力异常效应

应用边界元法在各构造界面的控制下,采用等效界面密度差逐步获取浅部各界面的重力异常效应,最后获取了反映盆地盖层的重力异常总效应(图 3).

图 3 松辽盆地北部盖层重力异常效应图 Fig. 3 Plane soline map of gravity anomaly effect of cap-rock in north Songliao basin
3.3 基底岩性重力异常

应用布格重力异常消除盆地浅部盖层重力异常总效应即得反映基岩岩性及深源的重力异常,应用匹配滤波或滑动趋势方法分离出与基底岩性相关的重力异常(图 4).应用平均径向归一化对数功率谱所确定的深度,确定异常所反映的平均层位,以便进一步确认基底岩性重力异常获取的可靠性[7, 8].

图 4 松辽盆地北部基岩岩性重力异常图 Fig. 4 Plane Isoline Map of Gravity Anomaly ofBasement Lithology m North Songliao Basin
4 基底岩性磁异常

获取基底岩性磁异常,主要是要消除深源场及反映浅部磁性体的磁异常.

4.1 基底岩性磁异常

通过匹配滤波及小波多尺度分解计算,结合平均径向归一化对数功率谱确定的深度对比分析认为:磁异常的三阶小波多尺度分解的二阶小波细节能够很好地反应基底的磁异常信息(图 5),借以应用三阶小波分解结果进行基底岩性的研究[9~11].

图 5 松辽盆地北部基岩岩性磁异常平面等值线图 Fig. 5 Plane isoline map of magnetic anomaly of basement lithology in north Songliao basin
4.2 基底岩性重磁异常的平化曲

在获取了反应基底岩性特征的重磁力异常后,为克服观测面到场源距离上的差异而导致异常形态上的畸变及异常幅值的差异,对基底岩性重磁异常进行了平化曲,使得异常均在离场源相同的高度上,有效地提高基岩岩性预测的准确性[12~18].

5 基底岩性物性的反演

视密度、视磁化率能有效反映基岩岩性的物性变化,可以消除重磁场本身与场源空间变化的影响.两者从不同侧面反映岩性的变化特征.因而对基底岩性异常进行视密度、视磁化率的反演是必要的.它们能直观的刻画基底岩性,为进行基底岩性的推断奠定基础.

5.1 基底相对视密度

在频率域应用视密度反演方法对经过平化曲以后的基底岩性重力异常进行了相对视密度的反演(反演方法从略)[19~24],得到了反应滨北地区基底岩性变化的密度特征(图 6).

图 6 松辽盆地北部基底相对视密度图 Fig. 6 Plane soline map of apparent densityin the north base of Songliao basin
5.2 基底相对视磁化率

在频率域应用视磁化率反演方法对经过平化曲以后的基底岩性磁力异常进行了相对视磁化率的反演(反演方法从略)[19~24],得到了反应滨北地区基岩岩性变化的磁性特征(图 7).

图 7 松辽盆地北部基底视磁化率图 Fig. 7 Planeisoline map of apparent magnetic susceptibility in the north base of Songliao basin
5.3 基底相对相对密度及相对磁化率相关分析

视密度、视磁化率能有效反映基岩岩性的物性变化,两者的相关分析反映了重磁特征与岩性的相互依存关系,通过大量的参数试验分析,认为视密度、视磁化率及两者的相关系数(图 8)是最为有效识别基岩岩性的参数.

图 8 松辽盆地北部基底视密度与视磁化率相关系数 Fig. 8 Plane soline map of correlation coefficient ofbase apparent density and apparent magneticsusceptibility in the north Songliao basin
6 基底岩性的神经网络判别及分类

能够反映基岩岩性的参数较多,如何从中选取判断岩性的数量、种类以及每种计算的参数及方法直接关系到预测基岩岩性结果的合理性.通过大量的试验并将预测结果绘制成图与已知井进行对照并分析岩性的分布特征,总结出应用视密度、视磁化率及其相关系数三参数是目前所认为应用重磁预测盆地基底岩性的最佳参数组合.

基岩岩性及各种参数的复杂性及参数对客观岩性反映的非唯一性,完成全部的人工对比解释是相当困难的.在这种情况下考虑用人工神经网络方法来完成这一繁杂而困难的工作(图 9).人工神经网络具有模拟人类智能信息及具有分布式存储、自适应学习、联想记忆和容错性、稳健性等特点,在特征井已知基岩岩性的控制学习下,完成对基岩岩性的识别[25, 26].

图 9 神经网络判别基岩岩性流程图 Fig. 9 Workflow of distinguishing basementlithology with neural network

基岩岩性判别检验的思想:先选择一些样品进行训练,将检验进行判别检查结果、方法技术的有效性,最后为了使成果更加可靠,将所有探井结果作为样品进行训练,最后再对变量进行判别,完成基岩岩性的分类预测.

应用神经网络法判断基底岩性的主要有以下几种因素:

(1) 样品优选及优选的原则;

(2) 变量的网格化与参数值的关系[27]

(3) 岩性的定名与判别准确性、可靠性的关系;

(4) 岩性是否是变量真实情况的反映(指基底存在多种岩性,同时还存在是否为纵向上的主要岩性),都将对岩性的判别结果带来很大的影响.也给应用探井结果认识重磁异常的形成因素产生误导.甚至与常规理论与认识带来矛盾.

下面给出在滨北地区进行基岩岩性预测的资料处理及预测方法技术流程.按给定的流程逐一进行资料的处理就能完成勘探程度较高地区基岩岩性的预测.

(1) 形成大于滨北地区一定范围的地震资料、重磁资料的网格基础数据.通过试验及理论分析选择网格距为500m,网格采用距离平方反比加权方法,资料进行适当的低通滤波处理.

(2) 划分岩层的物性界面并统计出岩层物性,在已知地震资料的控制下结合高精度重力资料,根据最小二乘方法原理计算各岩层之间等效密度差.

(3) 按等效密度差在地震资料的控制下剥去盖层重力效应,获取反应深部的重力异常.

(4) 应用滑动趋势分析方法技术,采用1000m×1000m 窗口、应用一阶多项式进行趋势分析求取剩余重力异常,该异常反映基岩岩性的变化特征.

(5) 在地震基底构造深度的控制下对岩性重力异常进行平化曲处理.

(6) 对磁力异常进行低通滤波并作滑动趋势分析求取剩余后进一步做平化曲处理.

(7) 对反映基岩岩性的重磁异常进行视密度、视磁化率及两者的对应分析处理获取相关系数.

(8) 对钻遇的基岩进行岩性分类编码,通过插值获取已知井处的视密度、视磁化率及两者的相关系数形成神经网络训练学习的样本空间.

(9) 应用BP 神经网络对已知样本进行训练学习形成判别网络.

(10) 应用判别网络对基岩岩性进行判别完成基岩岩性的预测.

(11) 解码并应用MAPVIEW 完成仿真基岩岩性图的编制.

应用前述基岩岩性的综合地球物理预测方法,对松辽盆地北部滨北地区的重磁资料进行了处理,在77口已知探井基底岩性的控制下采用神经网络法完成了滨北地区基底岩性的识别,编制了滨北地区的基底岩性的预测图(图 10).

图 10 松辽盆地北部滨北地区基岩岩性预测分布图 Fig. 10 Predicted distribution plane of basementlithology in Binbei area,north Songliao basin

通过钻遇基岩探井的岩性及所预测滨北地区的基岩岩性综合分析,松辽盆地的基岩岩性较为复杂,总体可以分为古老变质岩类、浅变质岩类、动力变质岩类、蚀变火山岩类及不同时期的侵入岩类(表 1).造成基岩岩性的复杂是与松辽盆地的构造演化及各个不同地质时期所处的大地构造位置分不开的.基岩岩性在一定程度上记录了松辽盆地在不同时期所处的大地构造环境.松辽盆地在元古宙、古生代-中生代直至晚中生代-新生代经历了多岛洋盆的关闭、地块相互拼合,古亚洲洋发育、闭合及滨太平洋大陆边缘构造活动等作用,使松辽盆地的演化极为复杂,先期的地层受后期构造运动的改造及破坏并发生一定的变质作用,新的地层又不断形成.在各期演化活动中,形成了规模不同新老的断裂,伴随断裂的活动及断裂的形成,沿活动的断裂及新产生的大断裂发生岩浆侵入或喷发活动,形成各期的侵入岩及火山岩,早期形成的火山岩及地层在后期构造中又进一步发生蚀变作用,产生蚀变火山岩及不同变质程度的变质岩.早期的岩浆侵入还存在融透侵入现象,使得盆地出现规模较大的侵入体(岩基),随着演化的不断深入老地层分布范围将逐步减少.

表 1 松辽盆地北部滨北地区基岩岩性分布情况一览表 Table 1 Predicted distribution plane of basement lithology in Binbei area,north Songliao basin
7 结 论

通过盆地基底岩性综合地球物理方法研究及在松辽盆地滨北地区的应用可以得出如下结论:

(1) 综合地球物理是盆地基底地质填图研究的有效方法技术.

(2) 小波多尺度分解能够有效地提取反映基底岩性变化的目标异常.

(3) 地震约束下的剥皮技术是获取反映基底岩性重力异常的有效途径.

(4) 盆地中基底岩性重磁异常的平化曲可以有效提高基底岩性预测的准确性.

(5) 基底相对视密度、相对视磁化率及两者的相关系数可以有效的刻画不同的基底岩石种类.

(6) 神经网络在基岩岩性的预测中能够发挥其良好的识别作用.

参考文献
[1] 高德章, 赵金海, 薄玉玲, 等. 东海重磁地震综合探测剖面研究. 地球物理学报 , 2004, 47(5): 853–861. Gao D Z, Zhao J H, Bo Y L, et al. A profile study of gravitive magnetic and seismic comprehensive survey in the East China Sea. Chinese J. Geophys. (in Chinese) , 2004, 47(5): 853-861.
[2] 戴明刚. 东海及邻域的两条剖面地球物理反演与综合解释. 地球物理学进展 , 2004, 19(2): 331–340. Dai M G. Inversion research for gravity and synthetical interpretation of two profiles in the area of East China Sea and its adjacency. Progress in Geophysics (in Chinese) , 2004, 19(2): 331-340.
[3] 吴健生, 王家林. 利用区域磁异常研究东海陆架区基底构造. 同济大学学报 , 1992, 20(4): 451–458. Wu J S, Wang J L. The study on the basement structure with the regional magnetic anomalies in the East China Sea. Journal of Tongji University (in Chinese) , 1992, 20(4): 451-458.
[4] Zeng H L, Xu D S. Discussion on preferential continuation for potential-field anomaly enhancement. Geophysics , 2001, 32(2): 256-262.
[5] 刘沈衡, 吴燕岗, 李永朴. 利用欧拉算法反演磁性界面. 石油物探 , 2000, 39(2): 101–106. Liu S H, Wu Y G, Li Y P. Magnetic interface inversion by Euler algorithm. Geophysical Prospecting for Pertoleum (in Chinese) , 2000, 39(2): 101-106.
[6] 宋正范. 航磁剖面数据的频谱分析与磁性界面深度的计算,航空物探论文集. 北京: 地质出版社, 1997 . Song Z F. Aeromagnetic profile data frequency analysis and magnetic basement depth calculation. Volume of Papers of Aerogeophysical Prespecting (in Chinese). Beijing: Geological Publishing House, 1997 .
[7] Bhimasankakam V L S. Interpretation of gravity anomalies due to finite inclined dikes using Fourier transformation. Geophysics , 1977, 42: 51-59. DOI:10.1190/1.1440713
[8] Cianciara B, Marcar H. Znterpretation of gravity anomalies by means of local power spectra. Gcophys. Prospec. , 1975, 24: 273-286.
[9] 杨文采, 施志群, 侯遵泽, 等. 离散小波变换与重力异常多重分解. 地球物理学报 , 2001, 44(4): 534–541. Yang W C, Shi Z Q, Hou Z Z. Discrete wavelet transform for multiple decomposition of gravity anomalies. Chinese J. Geophys. (in Chinese) , 2001, 44(4): 534-541.
[10] 李世雄, 刘家琦. 小波变换与反演数学基础. 北京: 地质出版社, 1994 . Li S X, Liu J Q. Wavelet Transform and Mathematics of Inversion (in Chinese). Beijing: Geological Publishing House (in Chinese). 1994 .
[11] Bhattacharyya B K, Chan K C. Reduction of magnetic and gravity data on an arbitrary surface acquired in a region of high topographic relief. Geophysics , 1977, 42(7): 1411-1430. DOI:10.1190/1.1440802
[12] 王璞珺, 程日辉, 王洪艳, 等. 松辽盆地滨北地区油气勘探方向探讨. 石油勘探与开发 , 2006, 33(4): 436–441. Wang P J, Cheng R H, Wang H Y, et al. Strategy of next step oil & gas exploration in the Northern Songliao Basin (NE China). Petroleum Exploration & Development (in Chinese) , 2006, 33(4): 436-441.
[13] 徐世浙. 位场延拓的积分-迭代法. 地球物理学报 , 2006, 49(4): 1176–1182. Xu S Z. The integral-iteration method for continuation of potential fields. Chinese J. Geophys. (in Chinese) , 2006, 49(4): 1176-1182.
[14] 宁津生, 汪海洪, 罗志才. 基于多尺度边缘约束的重力场信号的向下延拓. 地球物理学报 , 2005, 48(1): 63–68. Ning J S, Wang H H, Luo Z C. Downward continuation of gravity signals based on the multiscale edge constraint. Chinese J. Geophys. (in Chinese) , 2005, 48(1): 63-68.
[15] 梁锦文. 位场向下延拓的正则化方法. 地球物理学报 , 1989, 2(5): 600–608. Liang J W. Downward continuation of regularization methods for potential fields. Chinese J. Geophys. (in Chinese) , 1989, 2(5): 600-608.
[16] 王兴涛, 夏哲仁, 石磐, 等. 航空重力测量数据向下延拓方法比较. 地球物理学报 , 2004, 47(6): 1017–1022. Wang X T, Xia Z R, Shi P, et al. A comparison of different downward continuation methods for airborne gravity data. Chinese J.Geophys (in Chinese) , 2004, 47(6): 1017-1022.
[17] Xu S Z. The Boundary Element Method in Geophysics. Tulsa: Soc.Expl. Geophys., 2001 .
[18] Ning J S, Wang H H, Luo Z C. Downward continuation of gravity signals based on the multiscale edge constraint. Chinese J. Geophys. , 2005, 48(1): 63-68.
[19] Pawlowski R S. Preferential continuation for potential-field anomaly enhancement. Geophysics , 1995, 60(2): 390-398. DOI:10.1190/1.1443775
[20] 眭素文, 于长春, 熊盛青. 中高山区高精度航磁视磁化强度填图方法. 地球物理学进展 , 2004, 19(2): 357–362. Sui S W, Yu C C, Xiong S Q. Apparent magnetization mapping from high resolution aero magnetic data in the region of high topographic relief. Progress in Geophysics (in Chinese) , 2004, 19(2): 357-362.
[21] 杨辉. 重力、地震联合反演基岩密度及综合解释. 石油地球物理勘探 , 1998, 33(4): 496–502. Yang H. Basement density inversion using gravimetric and seismic data and the integrative interpretation. Oil Geophysical Prospecting (in Chinese) , 1998, 33(4): 496-502.
[22] Mark Pilkington. Magnetisation mapping in rugged terrain Exploration. Geophysics , 1998, 29: 560-564.
[23] Arkani-Hamed J, Strangway D W. Lateral. variation of apparent magnetic susceptibility of lithosphere deduced from magsatdata. Geophys , 1985, 90(B3): 2655-2664. DOI:10.1029/JB090iB03p02655
[24] 徐世浙, 曹洛华, 姚敬金. 重力异常三维反演-视密度成像方法技术的应用. 物探与化探 , 2007, 31(1): 25–28. Xu S Z, Cao L H, Yao J J. 3D inversion of gravityanomaly∶an application of the apparent density imagery technology. Geophysical and Geochemical Exploration (in Chinese) , 2007, 31(1): 25-28.
[25] 袁泉, 胡玉才, 孙永厚. 基于BP神经网络的预测方法应用研究. 农业系统科学与综合研究 , 1998, 14(4): 261–263. Yuan Q, Hu Y C, Sun Y H. Application of forecasting method based on BP neural network. System Sciences and Comprehensive Studies in Agriculture (in Chinese) , 1998, 14(4): 261-263.
[26] 邱颖, 孟庆武, 李梯. 神经网络用于岩性及岩相预测的可行性分析. 地球物理学进展 , 2001, 16(3): 76–83. Qiu Y, Meng Q W, Li T. The feasibility analysis of neural network in the prediction of lithology and lithofacles. Progress in Geophysics (in Chinese) , 2001, 16(3): 76-83.
[27] 张美根. 非规则网带断层地震数据的网格化. 地球物理学进展 , 1999, 14(1): 69–76. Zhang M G. Gridding of irregular seismic data with faults. Progress in Geophysics (in Chinese) , 1999, 14(1): 69-76.